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