Vers un système optimal de gestion de la prise en charge des patients au Canada : apport de l’intelligence artificielle
Notice bibliographique
Résumé
L’intelligence artificielle (IA) en santé est l’utilisation des algorithmes et logiciels pour imiter la cognition humaine dans l’analyse, la présentation et la compréhension de données médicales et de soins de santé complexes. L’IA offre ainsi un grand potentiel pour améliorer les soins médicaux et soutenir le personnel médical dans un contexte d’augmentation de la démographie et de pénurie du personnel médical. Le Canada s’inscrivant dans les pays utilisant l’IA, la présente étude visait à savoir l’apport de l’intelligence artificielle dans la gestion de la prise en charge des patients dans ce pays. Plusieurs hypothèses ont été émises : l’intelligence devrait aider les professionnels et les parties prenantes à gérer les nombreuses données et à les transformer en informations susceptibles de sauver des vies ; permettrait d’optimiser le flux des patients. Une méthode qualitative a été utilisée avec des entretiens semi-directifs au niveau de trois experts en domaine d’intelligence artificielle et santé. Nous avons réalisé les entretiens par zoom ou par appels téléphoniques. De ces entretiens, il ressort que l’IA intervient dans la prise en charge préventive, l’orientation du patient, le tri, et dans le diagnostic des pathologies des patients. Pour d’autres experts, elle intervient au niveau de la recherche, la clinique et le système de gestion en santé. Toutes fois des erreurs peuvent survenir lors de l’utilisation de l’intelligence artificielle en santé et sont surtout liées à des biais algorithmiques. Plusieurs défis ont été soulignés donc à savoir : la responsabilité en cas d’erreur, le risque de délégation de la décision médicale à l’IA et enfin la manière d’associer le patient à la prise de décision. Former les professionnels de santé à son utilisation est une façon de maitriser les erreurs éthiques pouvant survenir. Ainsi, des réflexions doivent être faites pour une utilisation judicieuse de l’IA en soins de santé. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : intelligence artificielle, prise en charge, patients, Canada
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».