Intelligence artificielle Santé

IA et santé : des modèles prédictifs aux modèles prescriptifs

Module état de l’art
Appréhender le potentiel des données de santé avec les modèles d'IA © Inria / Photo Kaksonen

Session:

Aucune session disponible actuellement.

Contactez-nous !

Objectifs

Aide au diagnostic, analyse d’examens, optimisation et personnalisation des traitements, criblage de molécules à activité biologique, etc. : depuis une quinzaine d’années, l’application des sciences du numérique à des données médicales complexes révolutionne le traitement des données de santé, promettant des bénéfices multiples pour les patients.

Le contenu de cette formation est issu des travaux de Judith Abécassis dans le domaine de l’apprentissage automatique appliqué au secteur de la santé, mais l’approche méthodologique peut être largement appliquée à d’autres champs d’applications

Connaissances acquises : Une compréhension d’une méthode pour passer des modèles prédictifs et aux modèles prescriptifs.

Mots-clés : IA, santé numérique.

Pré-requis

Une connaissance générale des méthodes d’apprentissage.

LIEN UTILE POUR SUIVRE CETTE FORMATION

From prediction to prescription: Machine learning and Causal Inference

Programme

Partie 1 Théorique – 3h

Comprendre les principes des modèles prédictifs et des modèles prescriptifs ;
Définir les principes et notions de base : en particulier sur les données disponibles ;
Les principes de l’inférence causale ;
Savoir qualifier les stades et orientations de la recherche aux utilisations cliniques : par exemple les données cliniques expérimentales servent à identifier des résultats précis, les données d’observations dans la vie réelle sont massives avec des données manquantes ;
Découvrir plusieurs outils ;
Appréhender les limites et biais de ces approches mais aussi les autres risques liés à son utilisation dans la société ;
Présenter les défis et enjeux de demain en particulier légaux.

Partie 2 Atelier d’échange – 3h

Présentation de plusieurs cas d’usage – exemples issus de la recherche clinique ;
Questions et réponses ;
Conclusions.

Cette formation a été développée avec le concours du projet européen AI&Health qui vise à proposer aux professionnels du secteur santé les programmes de formation en intelligence artificielle.

Intervenant(s)

Judith Abecassis

Chargée de recherche Inria

Judith Abécassis est chercheuse (ISFP) au sein de l’équipe Soda d’Inria Saclay, où elle allie méthodes statistiques en inférence causale et applications médicales pour produire des connaissances exploitables et améliorer la prise en charge des patients. En étroite collaboration avec des experts médicaux, elle analyse des données observationnelles issues de l’entrepôt de données de santé de l’AP-HP — notamment sur le diabète, les maladies inflammatoires et les accidents vasculaires cérébraux — ainsi que des données administratives de remboursement. Son objectif : transformer des données complexes en recommandations fondées sur des preuves, afin d’éclairer la prise de décision clinique.
Titulaire d’un doctorat en bio-informatique du Centre de Biologie computationnelle de Mines ParisTech et du laboratoire RT2 (Résidu Tumoral et Réponse au Traitement) de l’Institut Curie, elle s’est spécialisée dans l’analyse de données de séquençage haut débit issues de génomes cancéreux.

1 jour

750 € / pers.

Informations pratiques

Tarif : 750 € par participant ;
Tarifs dégressifs à partir de 5 personnes (-10% de 5 à 9 inscrits, -20% plus de 10 inscrits) ;
Partenariat avec le pôle Systematic et le pôle SCS : les entreprises membres du pôle bénéficient d’un tarif privilégié de 600 € ;
Durée : 1 journée (6 heures de 9h à 12h et de 14h à 17h) ;
Lieu : en distanciel ;
Nombre de participants : jusqu’à 20 personnes ;
Privatisation : La privatisation de cette formation est possible au sein d’une même entreprise à partir de dix participants.

Demander plus d'informations