Comprendre, modéliser et appliquer l’intelligence artificielle dans les contextes médicaux et hospitaliers
Cette formation explore les applications concrètes de l’intelligence artificielle dans le domaine de la santé.
Est-ce pour vous ?
Professionnels de santé
Préalables
• Connaissances de base en Python et en machine learning
• Notions en traitement de données
Ce que vous saurez faire
- ✓ Comprendre les spécificités de l’IA en santé et distinguer les approches adaptées aux données médicales
- ✓ Identifier et analyser des cas d’usage concrets (diagnostic, prédiction, optimisation hospitalière)
- ✓ Explorer, nettoyer et visualiser des données médicales pour en extraire des insights exploitables
- ✓ Construire et évaluer des modèles prédictifs en santé avec des outils comme scikit-learn ou Keras
- ✓ Intégrer les enjeux éthiques, réglementaires et d’acceptabilité dans un projet IA médical
Contenu de la formation
1 Introduction à l’IA dans le secteur médical
- Définitions et concepts clés
- Différences entre IA, machine learning et deep learning
- Spécificités des données médicales
2 Cas d’usage de l’IA en santé
- Diagnostic assisté par IA (radiologie, dermatologie, pathologie)
- Prédiction de risques et médecine préventive
- Gestion des flux hospitaliers et optimisation des ressources
- Médecine personnalisée et génomique
3 Exploration d’un jeu de données médicales
- Nettoyage et visualisation de données (ex. données patients, imagerie)
- Analyse exploratoire avec Python (Pandas, Matplotlib)
4 Modélisation prédictive en santé
- Régression logistique, arbres de décision, réseaux de neurones
- Évaluation des performances : précision, rappel, courbe ROC
- Détection d’anomalies et classification de pathologies
5 Enjeux éthiques et réglementaires
- Protection des données de santé (loi 25, HDS)
- Biais algorithmiques et équité
- Acceptabilité par les professionnels et les patients
6 Prototypage d’une application IA santé
- Choix d’un cas d’usage (ex. prédiction de diabète, tri de dossiers)
- Construction d’un modèle simple avec scikit-learn ou Keras
- Présentation des résultats et discussion
7 Atelier 2 : Mini-projet – Création d’un modèle prédictif
- Entraînement sur un jeu de données médicales
- Interprétation des résultats
- Réflexion sur l’intégration dans un parcours de soins
Voir plus
📌 Informations pratiques
Nos formations sont offertes à Montréal ou Québec, en présentiel ou en classe virtuelle. Les dates et lieux sont précisés lors de votre choix de session ci-dessous. Si vous avez des questions, consultez notre FAQ.
