Intelligence artificielle et santé

Libellé du cours :	Intelligence artificielle et santé
Département d'enseignement :	MIN / Mathématiques - Informatique
Responsable d'enseignement :	Monsieur SLIM HAMMADI
Langue d'enseignement :	Français
Ects potentiels :	7
Grille des résultats :	Grade de A+ à F
Code et libellé (hp) :	G2_S7_EI_IAS - Intelligence artif. & santé

Equipe pédagogique

Enseignants : Monsieur SLIM HAMMADI / Madame CLAIRE BELART / Madame VERONIQUE LE COURTOIS / Monsieur PASCAL YIM / Monsieur YANNICK DUSCH
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Cet électif a pour but de vous montrer l’intérêt théorique et pratique des techniques d’intelligence artificielle (IA) dans le domaine de la santé. En effet l’IA est en pleine expansion et promis à un grand avenir notamment dans le domaine de la santé. Par exemple une étude vient de montrer que L’IA peut prédire la maladie d’Alzheimer en moyenne 6 ans avant l’apparition des premiers symptômes. L’IA est au cœur de la médecine du futur avec le suivi des patients à distance, les opérations de soins assistées, les prothèses intelligentes, les traitements personnalisés grâce aux Big Data, etc. Vous serez amenés à développer pour cela des approches d’optimisation avancée, des techniques d’IA, du système multi-agent, du traitement des données de santé, et à l’apprentissage automatique au profit de l’optimisation de prise en charge des patients aux urgences. Une étude de cas sera réalisée tout au long des séances et qui concerne l’application de l’IA pour optimiser la chaine logistique hospitalière (Amont, Intra et Aval) centrée sur les patients. Les approches d’IA qui seront principalement étudiés concernent d’une part l’analyse des données de santé et prédiction des pathologies et d’autre part l’auto-adaptation des agents pour gérer les tensions aux urgences hospitalières.

Objectifs pédagogiques

À l’issue du cours, vous serez capable de : - Concevoir et développer des algorithmes d’IA - Analyser et comparer l’efficacité des algorithmes sans IA et avec IA - Concevoir des méthodes de prédiction à l’aide de machines Learning - Concevoir et développer des capteurs intelligents - Analyse des données de santé massives et hétérogènes - Modéliser le parcours patient par un outil Workflow - Maîtrise du domaine de la santé (organisation, grandes problématiques de santé, la médecine et les industries pharmaceutiques) et ses composantes (médecine, santé des populations, industries) - Etude de cas avec un exemple concret au sein de l’hôpital.

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: - Contrôle continu. - Présentation / évaluation d’un projet L’évaluation de cet EI se décompose en deux parties : • Première partie : rédiger un rapport détaillé du fil rouge et le présenter en soutenance devant un jury composé des enseignants et des professionnels de la santé. • Deuxième partie : tester votre démarche scientifique face à une nouvelle journée type de tension. Cette démarche doit utiliser les différentes compétences acquises lors des cours et du fil rouge. Vous faites une simulation partielle ou complète de cette démarche (dépend de l’avancement de chaque groupe d’élève pour le développement de leur OAD) et faire une comparaison entre vos solutions proposées et celles qui ont été déjà appliqué réellement par les médecins urgentistes.

Ressources en ligne

Polycopiés et énoncés de travaux pratiques

Pédagogie

Les moyens et méthodes pédagogiques utilisés peuvent inclure : Cours magistraux pour introduire les concepts fondamentaux. Travaux dirigés pour appliquer les connaissances théoriques à des cas pratiques. Études de cas concrets pour illustrer l'application de l'IA en santé. Projets "Fil rouge" en groupe pour développer des compétences pratiques. Utilisation de simulateurs ou de plateformes d'apprentissage en ligne. Encadrement personnalisé pour guider les étudiants dans leurs travaux. Utilisation de ressources multimédias pour enrichir les cours. Échanges avec des professionnels de santé et des experts du domaine lors de l'avancement du fil rouge Encadrement et suivi des étudiants Évaluations sous forme d'une soutenance finale par équipe devant un jury composé des professionnels de la santé.

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	48
Nombre d'heures en TD (Travaux Dirigés) :	48
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	48
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Voici les prérequis pour le cours sur l'IA en santé : Bonnes bases en mathématiques. Connaissance des principes de base de la programmation. Familiarité avec l'IA et le machine learning. Compétence dans les langages de programmation comme Python ou R. Compréhension des concepts de base en santé. Capacité à analyser des données complexes.

Nombre maximum d'inscrits

34

Remarques