UNITÉ D’ENSEIGNEMENT OPTIONNELLE TRANSVERSALE – INTELLIGENCE ARTIFICIELLE EN SANTÉ NUMÉRIQUE
Objectifs de la formation
Cette unité d’enseignement vise à fournir une compréhension structurée et critique de l’intelligence artificielle appliquée à la santé numérique.
Les étudiants apprendront à :
- Comprendre les fondements de l’IA et du machine learning en santé.
- Analyser les applications cliniques actuelles.
- Identifier les biais, limites et enjeux éthiques.
- Comprendre le cadre réglementaire européen (RGPD, AI Act, marquage CE).
- Évaluer l’intégration d’outils IA dans les parcours de soins.
Public cible
Formation initiale
- Étudiants niveau Bac +3 minimum en médecine, pharmacie, maïeutique, sciences de la santé, ingénierie biomédicale ou data science appliquée à la santé.
- Professionnels de santé souhaitant acquérir une compréhension structurée des enjeux de l’IA clinique.
Organisation et contenus pédagogiques
Volume horaire total d’enseignement : 27h
Modalités : présentiel à Montpellier et e-learning
Lieu de la formation : FACULTE DE MEDECINE MONTPELLIER-NÎMES, 641 avenue du Doyen Gaston Giraud, 34090 Montpellier
Programme :
Semestre 1 : Fondements, données et enjeux cliniques (15H)
- Module 1 : Fondamentaux, écosystème numérique et IA
- Module 2 : IA et décision clinique
- Module 3 : Imagerie et pathologie numérique
- Module 4 : Santé connectée et soins à distance
- Module 5 : Éthique, Biais, Gouvernance
Semestre 2 : Méthodes avancées et applications cliniques (12H)
- Module 6 : Méthodes quantitatives et machine learning appliqué
- Module 7 : Applications cliniques (niveau avancé)
Ressources pédagogiques :
- Supports de cours structurés (diapositives détaillées)
- Études de cas cliniques réels
- Mini-quiz interactifs
- Ateliers pratiques avec exemples de code en R (régression logistique,
clustering, interprétation de modèles) - Démonstrations d’outils IA en santé
- Articles scientifiques récents et documents réglementaires (RGPD, AI
Act, HAS) - Plateforme e-learning (supports, ressources complémentaires)
- Encadrement du projet final (mini-application santé
Évaluation :
- Évaluation S1 : Projet final – conception d’une mini-application santé intégrant une logique décisionnelle
- Évaluation S2 : Atelier pratique d’analyse critique d’un cas d’usage IA
Compétences acquises
À l’issue de la formation, les étudiants seront capables de :
- Lire et interpréter des résultats issus de modèles d’IA.
- Comprendre l’architecture d’un système d’aide à la décision clinique (CDSS).
- Identifier les risques de biais et d’erreurs d’implémentation.
- Analyser l’intégration d’un outil IA dans un environnement hospitalier.
- Concevoir une mini-application santé intégrant une logique décisionnelle.
Débouchés professionnels
- Professionnel de santé utilisant des outils IA en pratique clinique
- Chef de projet en santé numérique
- Chargé d’innovation hospitalière
- Consultant en transformation numérique en santé
- Doctorant ou chercheur en IA appliquée à la santé
