Informations à propos de la formation
Le formulaire a été soumis avec succès !
Une erreur s’est produite lors de l’envoi du formulaire. Veuillez vérifier à nouveau tous les champs.
Public cible
- Professionnels de santé (médecins, pharmaciens, ingénieurs biomédicaux)
- Étudiants en santé ou en santé publique
- Responsables de structures médicales ou d’innovation numérique en santé
Objectifs de la formation
Permettre aux participants de comprendre les principes, les usages et les enjeux de l’intelligence artificielle dans le domaine de la santé, afin de mieux intégrer ces outils dans les pratiques médicales, cliniques et administratives, en toute éthique et sécurité.
Compétences visées
- Comprendre le fonctionnement et les limites des technologies d’IA en santé
- Identifier les principales applications en imagerie, diagnostic, recherche clinique, gestion hospitalière
- Utiliser et évaluer des outils d’IA adaptés au secteur médical
- Appréhender les enjeux éthiques, réglementaires et humains de l’IA en santé
Thématiques de la formation (12 semaines / 24h)
1. Introduction à l’IA et enjeux pour la santé (4 h)
Objectifs spécifiques :
- Comprendre les bases de l’intelligence artificielle et du machine learning
- Identifier les usages actuels et les perspectives en santé
- Explorer les impacts sur le système de soins et les métiers médicaux
Contenu :
- Concepts fondamentaux (IA, apprentissage automatique, deep learning)
- Historique et évolution de l’IA médicale
- Exemples d’applications : diagnostic assisté, imagerie, monitoring, prédiction d’épidémies
Activités :
- Études de cas (radiologie, dermatologie, triage automatisé)
- Discussion : “L’IA peut-elle remplacer le médecin ?”
2. Données de santé et apprentissage automatique (6 h)
Objectifs spécifiques :
- Comprendre l’importance et la sensibilité des données médicales
- Découvrir comment les modèles apprennent à partir de ces données
- Identifier les défis liés à la qualité, la confidentialité et l’interopérabilité
Contenu :
- Types de données médicales : imagerie, dossiers électroniques, capteurs, génomique
- Prétraitement, anonymisation, normalisation
- Méthodes d’apprentissage supervisé / non supervisé appliquées à la santé
- Introduction à la validation et à la robustesse des modèles
Activités :
- Atelier : création d’un mini-modèle sur des données simulées de santé
- Analyse d’un cas d’usage de machine learning en épidémiologie
3. Applications de l’IA dans le parcours de soins (6h)
Objectifs spécifiques :
- Identifier les principales applications concrètes dans le parcours patient
- Comprendre l’usage de l’IA dans la prévention, le diagnostic, le traitement et le suivi
- Découvrir les outils émergents et leur intégration dans les pratiques hospitalières
Contenu :
- IA en imagerie médicale (radiologie, histopathologie, ophtalmologie)
- Aide au diagnostic et à la décision clinique
- Chatbots médicaux, télémédecine intelligente, IA pour la gestion hospitalière
- IA et personnalisation des traitements (médecine deprécision)
Activités :
- Études de cas : IA en radiologie, oncologie et santé publique
- Démonstrations d’outils IA (analyse d’images, prévision de risques)
4. Éthique, réglementation et responsabilité en IA médicale (4 h)
Objectifs spécifiques :
- Identifier les enjeux éthiques, juridiques et sociaux de l’IA en santé
- Comprendre les obligations de conformité et de sécurité des données de santé
- Discuter du rôle de l’humain dans la boucle décisionnelle médicale
Contenu :
- Biais et discriminations algorithmiques en santé
- Cadres légaux : RGPD, AI Act, certification des dispositifs médicaux IA
- Transparence, explicabilité et responsabilité médicale
- Gouvernance de la donnée hospitalière
Activités :
- Étude de cas : incident ou biais lié à un algorithme médical
- Débat : “Peut-on faire confiance à l’IA en santé ?”
Durée : 4 h (semaines 9 à 10)
5. Mini-projet et synthèse (4 h)
Objectifs spécifiques :
- Appliquer les acquis sur un cas concret d’usage d’IA en santé
- Favoriser le travail collaboratif entre métiers (clinique, data, gestion)
- Présenter et évaluer une solution simple ou une idée d’application IA
Contenu :
- Conception d’un projet simple (ex. outil d’aide au tri, prévision de risques, analyse d’imagerie simulée)
- Présentation orale ou poster synthétique
Activités :
- Travail en petits groupes
- Soutenance / feedback collectif
Méthodologie
- Alternance d’exposés, d’ateliers et d’études de cas réels
- Démonstrations d’outils IA no-code ou open source
- Approche interdisciplinaire : technologie, éthique, clinique
- Échanges et retours d’expérience
Évaluation
- Évaluation continue : participation, exercices, mini-quizz
- Mini-projet final : présentation d’un cas d’usage IA en santé
- Auto-évaluation des compétences en début et fin de parcours
Évaluation et Assurance Qualité :
À la fin de chaque programme de formation, les participants recevront un formulaire d’évaluation et d’assurance qualité.