Cet article est rédigé par une intelligence artificielle

Pour approfondir vos connaissances sur l’IA générative dans le domaine de la santé, vous pouvez consulter diverses ressources, allant des articles scientifiques aux formations spécialisées. Voici quelques suggestions :

Articles et rapports spécialisés

• Rapports d’organisations de santé :
  • OMS (Organisation Mondiale de la Santé) : Publications sur l’éthique de l’IA et son utilisation en santé.
  • FDA (Food and Drug Administration, USA) : Lignes directrices sur les outils d’IA en santé, notamment les technologies émergentes.
• Journaux scientifiques :
  • Nature Medicine et The Lancet Digital Health : Articles détaillés sur l’IA générative appliquée à la recherche médicale, au diagnostic, et au développement de médicaments.
  • Journal of Medical Internet Research (JMIR) : Études sur les algorithmes génératifs et leurs applications dans les soins cliniques.

Plateformes d’éducation en ligne

• Cours en ligne :
  • Coursera : Formation comme AI for Medicine proposée par deeplearning.ai.
  • edX : Cours d’introduction à l’IA en santé offerts par des universités comme Harvard ou Stanford.
• Webinaires et MOOCs :
  • Universités ou plateformes spécialisées en IA organisent régulièrement des webinaires, comme MIT Open Learning ou Stanford Center for Artificial Intelligence in Medicine and Imaging (AIMI).

Livres spécialisés

• Livres récents :
  • Artificial Intelligence in Healthcare de Adam Bohr et Kaveh Memarzadeh : Approche pratique et théorique sur l’IA.
  • Deep Medicine d’Eric Topol : Exploration des bénéfices et défis de l’IA dans le domaine médical.

Blogs et sites web influents

• Sites spécialisés :
  • The Medical Futurist : Analyse des tendances technologiques dans la santé.
  • AI in Healthcare : Blog traitant de l’IA appliquée aux soins de santé.
• Initiatives open-source :
  • GitHub : Projets et publications sur des modèles génératifs spécifiques comme GPT dans la santé.

Communautés et conférences

• Conférences professionnelles :
  • RSNA (Radiological Society of North America) : Discute de l’IA dans l’imagerie médicale.
  • Health 2.0 : InnoTech appliquée au domaine de la santé.
• Communautés en ligne :
  • Kaggle : Compétitions et datasets pour expérimenter des cas d’usage réels.
  • LinkedIn Groups : Groupes comme « AI in Healthcare » pour échanger sur les projets et innovations.

Études de cas et outils pratiques

• Exemples d’applications :
  • Modèles de génération de rapports radiologiques basés sur l’IA (comme BioGPT).
  • Utilisation de l’IA générative pour concevoir de nouvelles molécules (ex. AlphaFold pour la structure des protéines).
• Datasets publics :
  • MIMIC-III (Massachusetts General Hospital) : Base de données cliniques largement utilisée pour la recherche en IA.

Sujets connexes à explorer

• Réglementation et éthique :
  • Explorez les questions de protection des données (GDPR, HIPAA).
  • Consultez les cadres éthiques développés par des groupes comme le Council on Ethical AI in Healthcare.
• Modèles technologiques :
  • Étudiez des modèles spécifiques comme ChatGPT pour la génération de textes ou des modèles diffusifs pour l’imagerie médicale.

Le principal écueil dans ce type de prompt est l’origine des sources analysées et entrainées par cette IA générative, à savoir des données principalement des Etats-Unis ou plus généralement anglo-saxonnes. Les données utilisées ne reflètent pas la diversité des sources d’informations réelle, notamment en France.

La réponse est donc limitée par rapport à l’écosystème Français et européen et peut donc être déceptive pour les utilisateurs.

Il ne faut pas oublier que la majorité de ces grands modèles LLM viennent des Etats-Unis et sont donc entrainés dans ce contexte avec des données principalement américaines.

Il peut donc y avoir des biais liés à la culture de la langue ou le contexte.

Pour une vision des dernières études scientifiques incluant des modèles d’IA et IA générative, les recommandations de journaux scientifiques sont pertinentes même si limitées : toutes les grandes revues scientifiques publient aujourd’hui des études sur ces modèles donc on pourrait citer un agrégateur comme Pubmed ou des start-up qui agrègent et digèrent toutes ses connaissances médicales comme en France Juisci ou PaperDoc.

Pour s’informer sur les impacts des IA génératives dans le monde de la santé, au-delà des rapports de l’OMS cités, le rapport « Systèmes d’IA générative en santé : enjeux et perspectives » de l’Académie Nationale de Médecine donne une vision globale, tout comme le livre blanc de Cap Gemini « Révolutionner le futur de la santé grâce à l’IA Générative ».

Les plateformes en ligne pour mieux comprendre les enjeux de l’IA en santé sont intéressantes mais pour aller plus loin il existe aujourd’hui des formations dédiées en France comme le DU Intelligence Artificielle Générative en Santé (GEN-IAs) à Dijon porté par le Pr Patrick Callier ou l’INES qui propose des modules thématiques.

Au-delà de ça il existe des médias spécialisés dans l’actualité de l’IA (Actu IA) ou le numérique santé (Buzz E-santé, Medtech France) et des personnalités à suivre sur Linkedin :

• pour une vision généraliste : Frédéric Cavazza, Emmanuel Vivier, Arnault Chatel, Philippe Boumanger, Emmanuel R. Goffi
• pour une vision IA Santé : Jean-Emmanuel Bibault, Nicholas Ayache (INRIA).