Objectifs de la formation
Comprendre les enjeux techniques, éthiques et organisationnels liés à l’usage de l’IA dans les diagnostics, la gestion des données médicales, la médecine personnalisée et les outils d’aide à la décision.Clientèle visée
Professionnels de santéPréalables
• Connaissances de base en Python et en machine learning • Notions en traitement de donnéesFormateurs
Gains pour les participants
• Comprendre les principes de l’IA et ses spécificités dans le secteur médical.
• Identifier les principaux cas d’usage de l’IA en santé.
• Manipuler des données médicales pour entraîner des modèles prédictifs.
• Évaluer les limites, les risques et les enjeux éthiques de l’IA médicale.
• Concevoir un prototype simple d’application IA en santé.
Architecture de la formation
Fondamentaux et cas d’usage de l’IA en santé
Chapitre 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
Chapitre 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
Atelier 1 : Exploration d’un jeu de données médicales
• Nettoyage et visualisation de données (ex. données patients, imagerie)
• Analyse exploratoire avec Python (Pandas, Matplotlib)
Modélisation, éthique et prototypage
Chapitre 3 : 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
Chapitre 4 : Enjeux éthiques et réglementaires
• Protection des données de santé (loi 25, HDS)
• Biais algorithmiques et équité
• Acceptabilité par les professionnels et les patients
Chapitre 5 : 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
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
Détails pédagogiques
Type de cours
Formation en entreprise
Toutes nos formations peuvent être offertes en entreprise et personnalisées selon vos besoins. Pour plus d'information, nous vous invitons à communiquer avec nous ou à remplir une demande de soumission en ligne.
Demander une soumissionFormation en entreprise
Toutes nos formations peuvent être offertes en entreprise et personnalisées selon vos besoins. Pour plus d'information, nous vous invitons à communiquer avec nous ou à remplir une demande de soumission en ligne.
Demander une soumission