L’intelligence artificielle (IA) est d’ores et déjà exploitée dans les soins courants pour trier les patients aux urgences, assister le radiologue dans ses analyses ou encore le médecin prescripteur lors de ses consultations. Ces algorithmes mathématiques, aussi sophistiqués soient-ils, contiennent pourtant des biais cognitifs qui mettent en lumière les fragilités du modèle en lui-même et celles des données qui y sont injectées.
Dans cet article
-
Owkin
Données de santé, Intelligence artificielle, Oncologie, Recherche et développement
-
Jean Ogier du Terrail
Lead Research Scientist Owkin
Loin d’être anodins, les biais peuvent entraîner des erreurs de sens et de diagnostic préjudiciables pour les patients. Qu’il s’agisse de machine learning ou de deep learning, les développeurs recherchent l’explicabilité de leurs algorithmes d’IA, dans l’objectif de prouver la fiabilité des modèles et leur efficience dans un contexte réel. La tâche est colossale. mind Health a interrogé plusieurs experts pour décortiquer les principaux enjeux : Quels sont les différents types de biais qui...
Vous lisez cet article grâce à votre abonnement à mind Health.
Explorez de nouveaux horizons en consultant nos autres verticales :
Vous avez une information à nous partager ?
Article à retrouver dans La lettre mind Health n°305
Chaque mois, retrouvez l'essentiel de nos articles
Mercredi 20 novembre 2024
Auteur.e.s de l’article
Clarisse Treilles
Cheffe de rubrique mind Health
Cheffe de rubrique “Parcours de soins” de mind Health