Neuromodulation et intelligence artificielle : analyse normative des obligations du médecin chercheur en contexte d'essai clinique sur l'humain
Bibliographic record
Abstract
L’intégration de l’intelligence artificielle dans les instruments médicaux représente un phénomène émergent susceptible d’améliorer la qualité de vie des personnes atteintes de troubles neurologiques. Les essais cliniques de dispositifs neuronaux fondés sur l’intelligence artificielle constituent ainsi une étape essentielle dans la recherche impliquant des participants humains. Compte tenu des impacts significatifs que ces dispositifs peuvent avoir sur la santé et la sécurité des participants, cette étape de la recherche est soumise à un cadre réglementaire québécois et canadien très rigoureux. Plus précisément, les dispositions légales actuelles définissent de façon stricte les conditions dans lesquelles un essai clinique doit être interrompu prématurément, notamment lorsqu’une défaillance du dispositif ou un risque pour la santé des participants est constaté. Or, des motifs externes à l’étude, notamment d’ordre administratif ou financier, peuvent contraindre une équipe de recherche à interrompre un essai clinique, et ce, malgré le bon fonctionnement du dispositif et les bénéfices cliniques observés chez les participants. Dans un tel contexte, l’équipe est alors confrontée à la décision délicate de procéder, ou non, à l’explantation chirurgicale du dispositif à la suite de l’interruption de l’étude. Le cadre réglementaire en vigueur demeure incomplet quant aux modalités encadrant la gestion d’une telle éventualité. Le présent essai vise ainsi à exposer les enjeux juridiques et éthiques associés à ce type d’arrêt afin d’analyser ses répercussions sur les obligations du médecin chercheur principal. L’analyse menée conduit à la conclusion que le maintien du dispositif neuronal constitue la solution à privilégier, notamment en raison des principes fondamentaux de consentement aux soins, d’intégrité et d’inviolabilité de la personne. Cependant, ce choix entraîne des défis relatifs au suivi médical et technologique qui incombent au clinicien chercheur principal. Cet essai explore les spécificités du double rôle du médecin chercheur, notamment son devoir d’information envers les participants lors du processus de consentement, ainsi que les responsabilités liées à l’étendue et à la portée du suivi médical une fois l’étude interrompue.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.052 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".