Download - Le virage numérique de la santé
Page 1 sur 12
FGSM2 - Formation Générale aux Soins Médicaux de niveau 2
MED0301 – Santé - Société - Humanité
Pr Alexandre DENOYER
S3 – 27/09/2021 GUÉRIN Adèle & GRIMLER Eloïse
Correcteur : MALVAL Quentin
Le virage numérique de la santé
Quels sont les principaux apports du numérique en santé ? (question posée par le prof)
La téléconsultation (diagnostic à distance), l’accès à l’information, l’usage des robots, le dossier médical
informatisé et les objets connectés avec l’utilisation de l’ordinateur pour faire des diagnostics, de la
prévention, de l’épidémiologie.
3 grands axes seront traités dans ce cours :
• Robots : comme application numérique pour le traitement
• Formation : avec la simulation numérique
• Big data (stockage de données massives de santé), l’IA (=intelligence artificielle) utilisée dans le diagnostic,
la prise en charge, le parcours des patients et le raisonnement scientifique.
I. Robots - Robots mécaniques : pilotés par le chirurgien
- Robots lasers : assistés par le chirurgien
A. Robots mécaniques (révolution depuis une quinzaine d’années)
Le robot mécanique le plus vendu est le DA VINCI, permet de faire pas mal de chose en chirurgie fermée,
essentiellement en urologie (prostatectomie), en chirurgie digestive (colectomie) avec des accès difficiles au
niveau du rectum, en gynécologie (istérectomie) et en chirurgie trans-orale en ORL avec le robot qui passe par la
bouche. L’intérêt est que le robot à des petites mains comparées à nous et à des mains avec un degré d’amplitude
bien supérieur aux nôtres, elles peuvent faire 360°, tourner sur elle-même et se mettre dans presque toutes les
positions. Très utilisé dans les chirurgies où l’accès est difficile, par exemple sur une prostate (difficulté d’accès
sous cœlioscopie), en ORL sur certaines tumeurs.
Le robot à des outils plus minces et plus d’amplitude dans ses mouvements.
Image : On voit des cabines de pilotage, généralement 2, une
pour le chirurgien et une pour l’apprenti (l’interne), le patient
est situé sous le robot. Le robot porte la caméra, la lumière, les
instruments… Nécessite quand même une infirmière de bloc
opératoire, un équipement de bloc…
On a montré l’utilisation des robots dans une pub sur un
exercice simple : recoudre un raisin autour d’une baguette à
l’intérieur d’une bouteille. C’est le chirurgien qui le fait grâce à
plein d’outils (ciseaux, de quoi coaguler, pinces, lasers…).
Page 2 sur 12
Avantages :
• Précision
• Manœuvrabilité : avec l’importante degré d’amplitude
• Télé-chirurgie : le chirurgien est dans sa cabine de pilotage dans le bloc opératoire mais peut aussi être
dans une maison et opérer un patient qui est ailleurs, même à l’autre bout du monde.
• Enseignement : grâce aux robots médicalisés
• Ergonomie
Les procédures en chirurgie augmentent : en 2016 il y en a 1/3 en urologie, 1/3 en gynécologie, 1/3 autres
avec le développement des robots qui ont une grosse avancée dans la chirurgie ORL. En 2020, on estime qu’il y a
à peu près 15% de la chirurgie qui est réalisée avec des robots. La chirurgie ouverte décroit, pas du fait des robots
mais du fait de l’augmentation des chirurgies sous cœlioscopie. L’ensemble des chirurgies ouvertes ou fermées
décroit car la chirurgie par robot augmente. On est aujourd’hui à 17% de part de marché de chirurgie robotique.
En 2018 il y avait 2 400 robots aux USA contre 600
en Europe et 400 en Asie. La chirurgie robotique
s’est énormément développée aux USA. Les
patients peuvent choisir de se faire opérer avec ou
sans robot (150k $ avec robot). Le développement
en Europe est plus long du fait des contraintes
budgétaires que les robots représentent.
En ophtalmologie : 50 procédures/an (20 000 procédures/an dans la chirurgie, l’ophtalmologie représente une
toute petite part),
• En chirurgie ophtalmologique : aucun intérêt pour l’instant car l’œil est trop petit et même si le robot à
des petites pinces cela reste plus gros que l’œil. On ne peut pas imaginer rentrer dans l’œil avec des pinces
de robot, l’homme reste pour l’instant plus précis que le robot. On peut juste faire de la chirurgie de
surface (ex : greffe de membrane amniotique sur l’œil pour les problèmes de cicatrisation et d’abcès, le
robot sert ici à faire la suture), mais cela prend plus de temps, cela coute plus cher et on le fait très bien
à la main.
Pas d’intérêt particulier pour le moment
Les robots ont un plus grand intérêt pour les chirurgies sous cœlioscopies à accès difficile et les chirurgies pour
lesquelles cela ne s’y prête vraiment pas comme les microchirurgies et les chirurgies de surface.
Page 3 sur 12
B. Robots lasers
• Permet d’automatiser certaines procédures, augmenter les niveaux de sécurité, et a priori aider le
chirurgien et réaliser des procédures qui ne sont pas réalisables à la main.
Les lasers les plus utilisés : le laser femtoseconde et le laser excimer utilisé dans la chirurgie de la myopie.
Vidéo LASIK :
On utilise un laser à la surface de l’œil, qui va permettre de découper la cornée. Le LASIK s’approche de
l’œil du patient, fait un volet à la surface de l’œil, on soulève ce volet, on sculpte la surface de la cornée et on
referme. Permet de corriger la myopie, l’astigmatie… Le laser va être capable de couper de façon extrêmement
régulière ce volet ce qu’on ne pourrait pas faire à la main (environ 120 microns de profondeur donc il faudrait
être extrêmement régulier). Avant, on utilisait des microkératomes mécaniques, des sortes de rasoirs électriques,
essayant de découper la surface de l’œil mais la sécurité et le résultat étaient bien inférieures au laser : le laser
ne se trompe pas, et permet d’avoir une surface extrêmement régulière et bien dessinée.
Le laser va ouvrir la capsule puis il va exploser le cristallin. Il va fragmenter d’arrière en avant tout le
cristallin. Avec un petit aspirateur on vient aspirer le cristallin sans avoir besoin d’utiliser des ultrasons
(phacoémulsification). Le laser fait des incisions, un trou, il enlève le noyau et on aspire.
Vidéo : Cataracte assistée au laser
Le laser va ouvrir la capsule puis il va exploser le cristallin. Il va fragmenter d’arrière en avant tout le
cristallin. L’œil du patient est fermé. Le laser va être capable de faire des incisions de la forme et la taille qu’on
souhaite de façon plus précise que lorsque c’est réalisé avec nos mains. Puis on fait la chirurgie de la cataracte,
donc le cristallin est déjà cassé et on vient l’aspirer avec un aspirateur sans être obligé de le faire avec des ultrasons
comme on le fait aujourd’hui (phacoémulsification).
A la fin de l’opération, la chirurgie de la cataracte est déjà prémâchée par le laser : il suffit d’aspirer le
cristallin.
Les robots sont d’une grande aide dans la formation et l’apprentissage, ils permettent de travailler en
double cabine avec un chirurgien plus expérimenté et un moins expérimenté en réalité virtuelle, en se
transmettant des informations entre les cabines à l’aide d’un casque et un micro.
Page 4 sur 12
II. Simulation
On commence à en avoir pas mal à la fac depuis 2 ans maintenant, on utilise beaucoup d’outils
numériques. Projet de maison de la simulation en cours afin de regrouper les appareils achetés depuis plusieurs
années pour continuer à nous former à la simulation.
A l’origine, l’HAS en 2012 dit « jamais la première fois sur un patient » on s’est dit qu’il fallait développer
des outils de simulation, généralement on passe par des outils numériques mais pas toujours (peut être des
patients standardisés, …), mais en tout cas de faire que quand on va poser un diagnostic ou faire une procédure
thérapeutique, on va commencer sur des outils qui ne sont pas des gens de la vraie vie.
Objectif prioritaire de politique de santé :
• Pour les étudiants : objectif prioritaire de formation, d’évaluation (grâce à des systèmes numériques
comme Serious Game, des mannequins ou de la réalité virtuelle), de certification et de re-certification (il
est possible qu’au cours de nos études, en particulier au 3e cycle, en fonction des disciplines choisies,
qu’on ait des formations, des évaluations et des certifications avec de la simulation (ex : diplômé du
spécialisé ou quelque chose qui serait marié avec la thèse)
• Pour les médecins en exercice tout au long de leur carrière, ils devront surement repasser des examens
pour certifier leurs compétences, les systèmes de simulation serviront surement à ça (Développement
Professionnel Continu).
On a inauguré le centre de simulation en santé en 2016. Les premiers à utiliser de tels outils étaient les
réanimateurs : ils ont des systèmes de mannequins qui sont pilotés par des ordinateurs et avec lesquels ils
peuvent programmer des scénarios prédéfinis et donc permettre de s’entrainer à un arrêt cardiaque par exemple,
à une situation d’urgence dans laquelle on va devoir prendre certaines décisions.
L’intérêt pour la formation est incroyable car on peut répéter plusieurs fois les différents gestes, faire des
erreurs et les comprendre. L’autre intérêt est que les étudiants en médecine vont être formés avec d’autres
étudiants du domaine de la santé (les infirmiers, les étudiants en maïeutique…), le but est de décloisonner les
formations car tout le monde travaillera ensemble après.
La réalité augmentée, il y a des simulateurs d’endoscopie pour l’endoscopie digestive par exemple afin
d’essayer de faire des diagnostics, il y a des simulateurs en réalité virtuelle sur des sujets sous cœlioscopie et des
simulateurs en ophtalmologie. Tout ça a été mis en place il y a 3ans, simulateur de la cataracte acheté grâce à
l’ARS (200k €), l’objectif étant que pendant la première année d’internat en ophtalmologie, les internes iront
s’entrainer sur les simulateurs avant d’aller au bloc. Les internes de deuxième année sont donc prêts pour opérer
un patient du début à la fin. Ils ont pu pendant un an s’entrainer sur simulateurs.
Le simulateur correspond à une fausse tête avec un système d’oculaire qui permet de voir en 3 dimensions
comme les microscopes opératoires dans les blocs opératoires. Il y un écran de contrôle pour le formateur et pour
les besoins de formation et des instruments. En dessus il y a des pédales, une pour contrôler les mouvements du
microscope et l’autre pour contrôler les appareils. Ce simulateur permet d’effectuer une chirurgie de la cataracte.
Le formateur va nous aiguiller et nous faire un programme de formation sur les différents temps de la cataracte.
Au départ c’est un niveau simple de la cataracte puis le niveau augmente avec une cataracte évoluée ou
avec des complications/accidents. Chaque interne à son compte en ligne et peut regarder sa courbe de
progression (ce qui va et ne va pas).
Page 5 sur 12
Vidéo d’une chirurgie sur simulateur (réalisé par un interne) et dans la vraie vie (réalisé par un chirurgien) :
Ils réalisent une capsulorhexis qui est la première étape de la chirurgie de la cataracte (on enlève la
capsule antérieure du cristallin).
Aujourd’hui le numérique a permis d’atteindre un très bon niveau de technique et permet d’arriver au bloc en ne
s’occupant que du reste (stress, patient…).
Résultats :
Programme d’évaluation afin de voir si un chirurgien est bon ou non. A gauche c’est les internes (une
cinquantaine) qui sont passés sur le simulateur et à droite c’est les médecins confirmés (une cinquantaine aussi)
qui sont passés sur les simulateurs.
Globalement les médecins confirmés savent mieux opérer que les internes.
Un score a été défini par rapport au programme qui a été établi, il est de 65, si on est en dessous de 65 c’est qu’on
n’a pas encore atteint un niveau satisfaisant. Ce score est utilisé pour la certification au DES à l’issue de la 6ième
année de l’internat. Dans la note il n’y a pas que le mémoire, il y aura aussi une formation d’aptitude chirurgicale
à la cataracte pour qu’on puisse intégrer une partie de la note de compétence de pratique et ne pas faire qu’un
examen théorique de fin de validation d’ophtalmologie, il faudra passer la thèse et son DES avec un examen.
La machine peut dire dans 93% des cas si on est un bon chirurgien ou non. Un novice débute avec un score
de 15 et lorsqu’il a fait 20 séances de simulation son score passe à 20 et ainsi de suite.
Cela permet d’évaluer mais aussi de progresser.
1ère année : simulation
2ème à la 5ème année : évaluation
Puis thèse, avec certification sur simulateur.
Page 6 sur 12
III. Big data & IA
Il est arrivé un moment où on a eu la capacité de stocker une énorme quantité de données et de mettre
des supercalculateurs performant pour traiter ces données avec des programmes d’intelligence artificielle.
Suite à cela des personnes ont décidés d’investir dans l’IA : le montant investi dans l’IA représente 10 fois ce qui
avait été investi dans les années 80 dans la finance (c’est une technologie qui coûte très cher) ; c’est une croisée
entre une prise de conscience, une capacité de structurer la donnée et de l’analyser qui a donné lieu à son
développement.
En santé, on a ce système :
Description du schéma
• Investissement privé et publics : où il y a le plus d’argent mais il faut convaincre les politiques
• La donnée massive : vient des grandes multinationales, des objets connectés, des institutions
(exemple : carte fidélité des magasins ou numéro de sécurité sociale car dans les deux cas on donne
un certain nombre de données en permanence)
• Les machines (supercalculateurs) avec les programmeurs qui sont capables avec des algorithmes de
traiter et analyser les données en utilisant les bonnes applications.
• Cela impose un cadre juridique, car peut poser des problèmes de confidentialité.
Les investissements étatiques
• Asie
o Corée = 800 Mds
o Chine = 60 Mds par an et projettent 100 Mds par ans dans les années qui viennent.
• États-Unis = on ne sait pas précisément.
• Les États ont pris conscience qu’il fallait investir massivement dans ce domaine.
Les données dont collectées de plusieurs façons :
• Les réseaux sociaux
• Les objets connectés (montres, systèmes d’alarme, balances connectées etc.)
• Les bases de données orientées (lors d’inscriptions sur des sites, cartes de magasins, dans les
administrations, etc.)
Page 7 sur 12
Structuration de données : pour que les données soient traitées par les machines, il faut qu’elles soient toutes
structurées (écrites/formalisées) de la même façon.
Hébergement des données (cloud computing) = réalisé essentiellement par des opérateurs privés.
La France a mis en place un nouveau programme : récolte de toutes les données de santé sur des
ordinateurs et les stocke chez un opérateur privé américain (Microsoft). Les États ne sont pas capables
d’avoir des serveurs et sont obligés de faire appel à des services privés, cela cause des problèmes de
confidentialité.
Essentiellement des opérateurs privés, dont 3 principaux qui se partagent les données (dont celles de
santé):
o Google (en 2020) = 2 millions de serveurs, 60 Data Centers
o Amazon (en 2018) = 5 millions de serveurs
o Facebook
Le seul serveur privé en France c’est OVH = 150 Datacenter
o Son intérêt, en dehors du fait qu’il soit français, c’est que tous ses serveurs sont dans des pays
qui n’ont pas signés le « Patriot Act » (édité suite aux attentats du World Trade Center aux USA),
qui permet aux États-Unis de regarder dans les données des serveurs privés s’ils estiment qu’il y
a un danger pour leur pays.
o Ses serveurs se trouvent donc en France et au Canada qui n’ont pas signé le Patriot Act
Donc on a besoin de :
• Données structurées
• Supercalculateurs pour le machine learning (en particulier deep Learning)
• Applications
• Un certain nombre de métiers, par exemple :
o Datascientists : gèrent les données
o Programmeurs et statisticiens : programment les supercalculateurs
• La population qui va bénéficier de la technologie (par exemple les médecins, les patients, ...)
À Reims il y a un supercalculateur : ROMEO, un des plus puissant d’Europe qui fait du super calcul sur les données
de santé et structure les données de santé dans le Grand Est.
Le machine learning = « on apprends à la machine »
• On montre à la machine 50000 images et on lui dit à chaque fois à quoi ça correspond. Une fois que la
machine a bien appris (et est bien programmée) et au bout d’un certain temps, lorsque l’on lui montre
une image elle saura d’elle-même ce qui est sur l’image.
• Elle utilise le deep learning (vulgairement appelé intelligence artificielle) = on met un algorithme qui
fonctionne sur des statistiques bayésiennes, donc des réseaux de neurones de plusieurs couches et
plusieurs matrices, c’est comme un cerveau, avec des liaisons pondérées.
On apprend à la machine, puis on ne sait pas ce qui se passe à l’intérieur mais elle va doucement structurer
un système (plus il y a de couche, plus le système est performant, mais plus ça demande de la puissance
de calculs). Pour à la fin connaitre parfaitement la réponse à notre question.
• La machine progresse : plus on lui montre d’image, plus elle reconnait de choses et plus elle est précise.
Au fur et à mesure elle apprend à faire des phrases avec plusieurs éléments de l’image.
• Elle va finalement pouvoir résumer des textes (par exemple un texte de 500 pages résumé en 200 mots)
ou des conversations.
Page 8 sur 12
À partir de 2015, l’ordinateur se trompait moins que l’Homme, donc il est passé sous les 5% d’erreurs (sur des
radios par exemple).
Les applications du machine learning sont majoritaires en :
• Imagerie médicale (IRM, rayons X)
• Anatomopathologie
Le nombre de publication scientifiques uniquement à propos de l’intelligence artificielle est passé de 2 à 60 par
an, la croissance a commencé en 2010.
Les applications de l’intelligence artificielle à la santé numérique sont :
• La médecine préventive, par exemple les objets connectés (un capteur de glycémie ou de fréquence
cardiaque qui est relié à un serveur qui, lorsqu’une anomalie sera repérée, préviendra un professionnel
de santé : infirmière de pratique avancée ou médecin. Dans ce cas le médecin pourra prévenir le patient
et lui demander la cause de l’anomalie, ou lui dire ce qu’il faut faire pour réguler l’anomalie ou même le
faire venir en consultation)
• La recherche clinique
• La surveillance en épidémiologie (sur des modèles connus, car dans le cas où le virus vu pour la 1ère fois,
la machine ne sait rien donc ne peut rien prédire, contrairement aux souches connues)
• L’assistant médical virtuel : surveiller les gens à domicile
• L’innovation (ce qui nécessite le plus de fonds : c’est le cancer, puis l’accès aux soins (modélisation du
parcours patient), l’étude du coût de la santé et l’investissement sur la prise en charge et l’éducation
thérapeutique)
Il y a peu d’investissements dans l’IA en France, quelques milliards (par rapport à la Chine avec 200 Mds par an).
En France :
On est très bons en technologie de la sante :
- Premier cœur artificiel
- L’un des meilleurs robots en chirurgie (le premier)
- En radiothérapie …
On est très fort en engineering mais pas en traitement de la donnée et en intelligence artificielle (IA) : en
2017, on comptait 130 startups en France en IA contre 33000 aux usa avec un financement autour de 300
millions d’euros public par an contre plusieurs milliards dans le monde.
Pour le moment on manque de données accessibles, nous sommes en retard car aujourd’hui nos données
personnelles sont collectées par de grandes société privées (les GAFA) et que ces sociétés ne sont pas
françaises.
Il n’y a pas de cadre législatif autour de l’IA.
Dans le système de santé, il existe le SNDS (Système National des Données de Santé) : qui permet avec
notre numéro de sécurité social et avec notre dossier informatisé, d’avoir un très grand nombre de
données par personne, qui sont structurées par couches (ou domaines : imagerie, biologie, diagnostic, …).
Donc chaque individu français est identifié (ou reconnu) et peut avoir accès à ses données de santé (ses
pathologies, sa consommation en médicament, combien de fois il est allé à l’hôpital…) avec une
autorisation. Ce système de structuration de la donnée peut être exploité par des entreprises par exemple.
Les priorités définies en France :
• La recherche clinique
• Le diagnostic
• Les assistants médicaux personnalisés.
Page 9 sur 12
Et aujourd’hui le ministère de l’enseignement supérieur et de l’innovation et le ministère de la santé
investissent sur différents domaines (par exemple un projet de rejet de greffe : à Reims, il y a un projet de
détection avec le téléphone d’un risque de rejet de greffe de cornée. Le patient doit prendre en photo ses yeux à
un certain intervalle (une fois par semaine) et une IA détecte des anomalies qui pourraient faire penser à un début
de rejet et d’indiquer au patient qu’il faut consulter rapidement.
Cela permet d’éviter au patient de retourner voir son médecin tous les mois (qui est un intervalle assez large, qui
peut laisser le temps au patient de faire un rejet). Cela permet plus de sécurité pour le patient et moins de
consultations pour le médecin, ainsi qu’une adaptation à la démographie médicale.
Le Heath data hub :
C’est une plateforme de partage de données. Les citoyens sont sensés en être informés. L’objectif est de
garantir la sécurité des données, la qualité des données (donc bien structurées), et d’essayer d’organiser autour
de ces données des appels à projets (faire appel aux grandes universités, aux grandes écoles, aux startups et leur
donner de l’argent pour qu’ils utilisent ces données à des fins intelligentes.)
À Reims, il y a eu l’ouverture d’un data center en 2020, les données sont en structuration (elles sont en
trains d’être stratifiées).
Aujourd’hui, lorsque l’on va à l’hôpital, on accepte implicitement (c’est écrit dans la charte de l’hôpital) que toutes
les données biologiques ou d’examens soient enregistrées, stockées et structurées. En parallèle tous les courriers
transmis de médecin à médecin sont analysés par un système d’intelligence artificielle qui essaye de comprendre
ce que dit le courrier et qui en déduit les pathologies et les traitements. Car on s’est rendu compte que les dossiers
médicaux sont mal remplis et pas suffisamment systématisés. Donc ce qui est le plus pertinent ce sont les
courriers que les médecins se font entre eux.
L’IA comprends les courriers, structure la donnée présente dans les courriers et renvoie tout ça dans une base de
donnée structurée (le diagnostic, les examens complémentaires, les traitements, le parcours du patient…)
À l’URCA, on a ROMEO un supercalculateur, l’université et l’hôpital ont un accord pour pouvoir prêter de
la donnée confidentielle, car ce calculateur nécessite de manipuler les données des patients et il faut des systèmes
extrêmement sécurisés pour pas que des informations sortent du système.
Une dizaine de projets existent au niveau de l’URCA pour traiter de façon massive des données de santé. On les
récupère sur le serveur à Reims et comme dans les autres CHU de la région Grand Est pour essayer d’avoir un
entrepôt de données de santé à l’échelle de la région (qui est déjà en place dans la région de Nantes), tout cela
en attendant d’avoir un entrepôt de santé à l’échelle de la France.
L’entrepôt de données de santé de la Champagne-Ardenne est l’IAAS Reims Champagne-Ardenne, il est
financé par un million de personne, il y a pour ce projet une récolte d’argent et une équipe qui se forme (présidée
actuellement par Vincent Vuiblet) avec une commission car cela pose des problèmes politiques et juridiques, ainsi
que financiers : « à qui donne-t-on l’argent, pour quel projet ? »
Il est également possible de faire de l’éducation thérapeutique : un « chat boot » a été mis en place à
Reims, c’est une application en ligne où il est possible de poser des questions. Ici, il est en développement pour
le glaucome, mais on peut aussi poser des questions sur la sècheresse oculaire par exemple.
Donc concrètement, dans le cas de ce projet, les patients ont un code d’accès à l’application, peuvent poser toutes
les questions d’ordre ophtalmologique et la machine leur répond et leur explique. Au fur et à mesure la machine
apprend, c’est-à-dire que lorsqu’il y a une question pour laquelle elle ne possède pas la réponse (malgré les 1500
réponses connues lors de son lancement), un médecin traite la réponse à sa place et la machine apprend la
réponse du médecin.
Page 10 sur 12
Conclusion :
Il faut essayer de faire en sorte que l’argent investit dans ces nouveaux projets soit utilisé de façon
intelligente : pour le moment, ce sont les assurances qui investissent le plus pour le traitement de l’intelligence
artificielle des données de santé. Cela dans le but d’aider tout le monde au quotidien et pour éviter que toutes
ces données soient utilisées de façon lucratives (et non bienveillante).
On peut se servir de ces données pour :
La prévention
Améliorer les techniques de prise en charge.
Que la vie soit plus sûre dans l’avenir et pas qu’on puisse s’en servir contre la population.
Les défis du futur sont :
Juridiques
La propriété des données (car nos données nous appartiennent à nous en tant qu’individus)
La propriété des algorithmes
La responsabilité juridique en cas d’erreur médicale. Il existe un exemple concret :
La rétinopathie diabétique est analysée par des ordinateurs, donc une photographie du fond d’œil est faite et
l’ordinateur sait immédiatement s’il y a du diabète ou non. Le système fonctionne parfaitement bien et les
médecins ne sont plus obligés de regarder eux-mêmes, mais si le système a quand même un doute, le médecin
réponds et la machine auto-apprend.
S’il y a une erreur, qui est responsable de quoi ?
o Au démarrage, la responsabilité est partagée juridiquement entre le médecin responsable (même
s’il n’a pas vu l’image) et le constructeur de la machine.
o Mais au bout d’un certain temps, comme la machine apprend seule avec son réseau
neuroplastique, le constructeur dégage sa responsabilité du processus. C’est la machine seule qui
se retrouve responsable, et dans cette situation on fait face à un grand vide juridique.
L’écologie :
o Les serveurs représentent 20% de la consommation électrique mondiale
o Les Datacenter 2% de la consommation électrique mondiale et chauffent énormément (il y a
aujourd’hui des villes qui sont construites autour de Datacenter car ils servent de chauffages
urbains : la chaleur des ordinateurs est récupérée pour chauffer les maisons)
Éthiques : il y aura des problèmes d’usage éthique, si un état décide d’enfermer les données ou si les
assurances et les banques décident de s’emparer de nos données.
Page 11 sur 12
Annales 2020 :
La robotisation de certaines interventions chirurgicales :
A ) peut améliorer la précision du geste
B ) peut entrer dans le cadre de la télémédecine
C ) permet de diminuer les coûts de l’intervention
D ) n’est pas compatible avec l’obligation de formation des futurs chirurgiens
E ) s’applique à toutes les interventions chirurgicales
AB
La simulation en Santé :
A ) fait toujours intervenir des outils numériques
B ) est amenée à se développer pour la formation du 2ème et 3ème cycle
C ) ne s’applique qu’aux disciplines chirurgicales
D ) pourrait aussi permettre d’évaluer les médecins déjà diplômés
E ) a fait l’objet d’un rapport de la Haute Autorité de Santé dès 2012
BDE
L’application du Deep Learning aux domaines de la santé :
A) repose sur les réseaux de neurone
B) nécessite toujours un volume important de données
C) ne concerne que l’imagerie médicale pour l’instant
D) peut guider le médecin dans le diagnostic et les décisions thérapeutiques
E) a pour objectif final de se substituer à l’intervention humaine
ABD
Page 12 sur 12
Annales 2019
Question 3 : L’usage de l’intelligence artificielle en santé :
A) Est interdit
B) Soulève des questions juridiques non résolues de propriété intellectuelle des données et des
algorithmes
C) N’engage que la responsabilité du concepteur de l’algorithme en cas d’erreur
D) Pourrait s’opposer aux libertés individuelles de l’absence de cadre juridique bien défini E)
Remplacera tous les médecins à l’horizon 2030
Réponses : BD
Question 5 : Les robots chirurgicaux :
A) Permettent toujours de réaliser des interventions plus rapidement que la chirurgie
conventionnelle
B) Apportent un bénéfice en termes de précision et de manœuvrabilité
C) Augmente sensiblement le coût d’une intervention chirurgicale
D) Peuvent entrer dans le cadre de la télémédecine
E) Peuvent favoriser l’apprentissage des chirurgiens
Réponses : BCDE
Question 29 : L’intelligence artificielle :
A) Repose sur la disponibilité de bases de données massives
B) Regroupe des disciplines comme le « machine learning » et le « deep learning »
C) Ne concerne que le domaine de la santé pour l’instant
D) Peut s’appuyer sur le recueil de données à distance issues d’objets connectés E) Est déjà utilisée
en pratique en médecine dans certains domaines
Réponses : ABDE