Trois sessions SOFA, moteur de simulation multi-physique 16 (base), 17 (avancé) et 18 décembre (avancé) 2024

Prochaine session deeptech Scikit-learn, la boîte à outils de l’apprentissage automatique débutant le 15 janvier

Prochaine session deeptech Méthodes formelles pour les protocoles de sécurité avancé le 15 janvier

Prochaine session deeptech Scikit-learn, la boîte à outils de l’apprentissage automatique avancé les 17 et 24 janvier

Prochaine session deeptech Machine Learning and Cybersecurity: Why and How with scikit-learn? avancé les 20 et 21 janvier

Prochaine session état de l’art IA et santé : des modèles descriptifs aux modèles prédictifs débutant 28 janvier

Toutes nos formations
Intelligence artificielle Santé

IA et santé : des modèles prédictifs aux modèles prescriptifs

 Module état de l’art 
Appréhender le potentiel des données de santé avec les modèles d'IA © Inria / Photo Kaksonen

Session:

Aucune session disponible actuellement.

Contactez-nous !

Objectifs

Aide au diagnostic, analyse d’examens, optimisation et personnalisation des traitements, criblage de molécules à activité biologique, etc. : depuis une quinzaine d’années, l’application des sciences du numérique à des données médicales complexes révolutionne le traitement des données de santé, promettant des bénéfices multiples pour les patients.

Le contenu est issu des travaux de Judith dans le secteur de la santé, mais l’approche méthodologique peut être largement appliquée à d’autres champs d’applicatons

Connaissances acquises : Une compréhension d’une méthode pour passer des modèles prédictifs et aux modèles prescriptifs.

Mots-clés : IA, santé numérique.

Pré-requis

  • Une connaissance générale des méthodes d’apprentissage.
LIEN UTILE POUR SUIVRE CETTE FORMATION AI and Healthcare

Programme

Partie 1 Théorique – 3h

  • Comprendre les principes des modèles prédictifs et des modèles prescriptifs ;
  • Définir les principes et notions de base : en particulier sur les données disponibles ;
  • Les principes de l’inférence causale ;
  • Savoir qualifier les stades et orientations de la recherche aux utilisations cliniques : par exemple les données cliniques expérimentales servent à identifier des résultats précis, les données d’observations dans la vie réelle sont massives avec des données manquantes ;
  • Découvrir plusieurs outils ;
  • Appréhender les limites et biais de ces approches mais aussi les autres risques liés à son utilisation dans la société ;
  • Présenter les défis et enjeux de demain en particulier légaux.

Partie 2 Atelier d’échange – 3h

  • Présentation de plusieurs cas d’usage – exemples issus de la recherche clinique ;
  • Questions et réponses ;
  • Conclusions.

 

Cette formation a été développée avec le concours du projet européen AI&Health qui vise à proposer aux professionnels du secteur santé les programmes de formation en intelligence artificielle.

Intervenant(s)

  • Judith Abécassis

    Chargée de recherche Inria

    Après un parcours en biologie, puis en mathématiques et informatique, Judith Abécassis est aujourd’hui chercheuse au sein l’équipe-projet Soda du centre Inria de Saclay.

    Ses travaux de recherche visent à développer de nouvelles méthodes statistiques pour un meilleur traitement des données biomédicales. À travers d’étroites collaborations avec les équipes médicales de l’Institut Curie et de l’AP-HP, elle participe aussi à la mise au point et la validation clinique d’outils d’aide à la décision pour les praticiens.

Les prochaines sessions

1/2

Informations pratiques

  • Tarif : 750 € par participant ;
  • Tarifs dégressifs à partir de 5 personnes (-10% de 5 à 9 inscrits, -20% plus de 10 inscrits) ;
  • Partenariat avec le pôle Systematic et le pôle SCS : les entreprises membres du pôle bénéficient d’un tarif privilégié de 600 € ;
  • Durée : 1 journée (6 heures de 9h à 12h et de 14h à 17h) ;
  • Lieu : en distanciel ;
  • Nombre de participants : jusqu’à 20 personnes ;
  • Privatisation : La privatisation de cette formation est possible au sein d’une même entreprise à partir de dix participants.