Dans le cadre de l’Enseignement Complémentaire Obligatoire « Intelligence Artificielle pour l’Aide à la Décision Clinique », huit étudiantes et étudiants en 4e année de médecine ont travaillé sur un projet de santé numérique et ont développé un prototype de système d’aide à la décision pour la régulation du SAMU pédiatrique. Ce travail a donné lieu à deux publications indexées sur Pubmed et à trois présentations au Congrès européen d’informatique médicale.
Les étudiantes et étudiants de l’ECO « Intelligence Artificielle pour l’Aide à la Décision Clinique » au Congrès européen d’informatique médicale.
© Rosy Tsopra
Ce projet de prototype d’aide à la décision dédié au SAMU a été proposé par le Dr. Rosy TSOPRA, médecin responsable de l’enseignement de santé numérique au niveau du 2ème cycle des études médicales : « Ce projet répond à un véritable besoin du SAMU et a permis de faire travailler ensemble des étudiantes et étudiants de différents niveaux en informatique médicale, en collaboration avec des médecins juniors et séniors du SAMU de Necker ».
Il s’agissait de designer une application capable de prioriser le degré d’urgence d’une situation médicale et de proposer des recommandations. « Nous avons essayé de penser une interface ergonomique et de la coder. Il y avait, dans notre groupe, les spécialistes des aspects informatiques – qui ont suivi davantage de cours d’informatique médicale – et de l’autre, des écrivains chercheurs – qui découvraient l’intelligence artificielle cette année. Nous avons travaillé de concert pour penser l’application puis nous nous sommes réparti le travail avec une équipe de codeur et une équipe de chercheurs » nous explique Michelle Vanderlan, étudiante impliquée dans ce projet.
Avant de présenter leur travail au Congrès européen d’informatique médicale, l’équipe a fait évaluer son prototype auprès des médecins du SAMU. Alice Jegard nous confie : « Leurs retours positifs nous ont encouragé à rédiger un article scientifique et à présenter notre projet au congrès. »
Des objectifs auréolés de succès car deux des articles écrits par le groupe ont été publiés dans PubMed. Les différentes présentations en anglais et en français au Congrès leur ont permis de faire rayonner leur projet et de rencontrer des spécialistes de l’I.A. : « Ils étaient surpris de voir que des étudiantes et étudiants en médecine pouvaient faire ça et c’est vrai que c’est une opportunité que l’on n’a pas habituellement en 4eannée. »
Mais le groupe ne s’arrête pas là. A l’avenir, il travaillera avec des internes du SAMU, toujours sur un système d’aide à la décision mais, qui cette fois, prendra en compte le machine learning. C’est-à-dire, l’ensemble des datas récoltées par l’application au fur et à mesure de la régulation téléphonique. Cela signifie : apprendre à la machine à repérer seule les situations d’urgence. Michelle s’enthousiasme déjà : « Ce n’est pas nous qui donnons les réponses à la machine, c’est elle qui apprend d’elle-même. On va continuer à travailler là-dessus avec le SAMU et nous en sommes ravis ».
Articles indexés sur Pubmed
https://pubmed.ncbi.nlm.nih.gov/35612116/
https://pubmed.ncbi.nlm.nih.gov/35612115/
À lire aussi
La FDA américaine valide iBox, algorythme français de prédiction de la survie des greffons rénaux
La semaine dernière, l’administration américaine de régulation des médicaments (Food and Drug Administration, FDA) a donné un avis favorable à la qualification du système algorithmique iBox, développé par l'équipe du Paris Transplant Group (Université...
The US FDA Approves iBox, French Algorithm for Predicting Kidney Graft Survival
Last week, the American Food and Drug Administration (FDA) gave a favorable opinion on the qualification of the iBox algorithmic system, developed by the Paris Transplant Group team (Université Paris Cité, Inserm, AP -HP) led by Professor Alexandre Loupy....