Veille en intelligence artificielle en santé Juillet 2024 | | Objectif de la veille Nourrir une vision stratégique tout en fournissant des outils concrets aux équipes du réseau de la Santé et des Services sociaux, à travers des articles portant sur les technologies et connaissances susceptibles de soutenir le développement et l'intégration de l'intelligence artificielle(IA) en santé. Le CEIAVD a choisi de ne publier que des articles en accès libre pour garantir leur disponibilité à un large public. Leur sélection est déterminée par une démarche éditoriale. L'IA appliquée au domaine clinique possède un spectre trop vaste à couvrir de manière exhaustive par notre activité de veille qui se veut plus généraliste. Vous voulez que l'on diffuse un article ou un événement? ceiavd@ssss.gouv.qc.ca | Coalition for Health AI (CHAI) Providing guidelines for the responsible use of AI in health
Ils viennent de mettre disponible au public pour commentaires ceci :
Assurance standards guide and reporting checklistThe Assurance Standards Guide serves as a playbook for the development and deployment of AI in healthcare,providing actionable guidance on ethics and quality assurance.
AI Through Ethical Lenses: A Discourse Analysis of Guidelines for AI in Healthcare
This research provides insights into the underlying ideas present in AI guidelines and how guidelines influence the practice and alignment of AI with ethical, legal, and societal values expected to shape AI in healthcare. Algorithmic Transparency in the Public Sector : A state-of-the-art report of algorithmic transparency instruments - Global Partnership on Artificial Intelligence (GPAI)
This report overviews algorithmic transparency instruments in the public sector and focuses on repositories or registers of public algorithms. The project's objective is to study algorithmic transparency in the public sector with an emphasis on assessing transparency instruments, both reactive and proactive, that may allow governments to comply with algorithmic transparency principles, standards, and rules. Post du CEIMIA Digital health technologies and inequalities: A scoping review of potential impacts and policy recommendations
💙Auteurs : Janine Bard, Aude Motulsky et Jean-Louis Denis.
Our scoping review aimed to describe how inequalities related to their use were conceptually assessed during and after the pandemic and understand how digital strategies and policies might support digital equity.
A Collaborative, Human-Centred Taxonomy of AI, Algorithmic, and Automation HarmsThrough iterative refinement with topic experts and crowdsourced annotation testing, we propose a taxonomy that can serve as a powerful tool for civil society organisations, educators, policymakers, product teams and the general public. By fostering a greater understanding of the real-world harms of AI and related technologies, we aim to increase understanding, empower NGOs and individuals to identify and report violations, inform policy discussions, and encourage responsible technology development and deployment.
Fairness of artificial intelligence in healthcare: review and recommendations
This review aims to provide a comprehensive overview of concerns associated with AI fairness; discuss strategies to mitigate AI biases; and emphasize the need for cooperation among physicians, AI researchers, AI developers, policymakers, and patients to ensure equitable AI integration.
Fairness gaps in Machine learning models for hospitalization and emergency department visit risk prediction in home healthcare patients with heart failure
This study aims to evaluate the fairness performance metrics of Machine Learning (ML) models to predict hospitalization and emergency department (ED) visits in heart failure patients receiving home healthcare. We analyze biases, assess performance disparities, and propose solutions to improve model performance in diverse subpopulations. | Privacy-Preserving Machine Learning for Electronic Health Records using Federated Learning and Differential Privacy
An Electronic Health Record (EHR) is an electronic database used by healthcare providers to store patients' medical records which may include diagnoses, treatments, costs, and other personal information. Machine learning (ML) algorithms can be used to extract and analyze patient data to improve patient care. Patient records contain highly sensitive information, such as social security numbers (SSNs) and residential addresses, which introduces a need to apply privacy-preserving techniques for these ML models using federated learning and differential privacy. SOAR: New algorithms for even faster vector search with ScaNN
Article proposé par Mazid Osseni, conseiller en IA au CEIAVDSOAR is an algorithmic improvement to vector search that introduces effective and low-overhead redundancy to ScaNN, Google’s vector search library, making ScaNN even more efficient.
L’IA causale : une approche déterministe facteur clé de succès pour les entreprises
Pour identifier les causes et les effets sous-jacents d’un événement ou d’un comportement, certaines organisations continuent à s’appuyer sur une approche basée sur le principe de corrélation. Une approche traditionnelle qu’elles doivent aujourd’hui dépasser, afin de favoriser une meilleure automatisation DevOps. C’est là que l’IA causale entre en scène.
ACCORD: Closing the Commonsense Measurability Gap
We present ACCORD, a framework and benchmark suite for disentangling the commonsense grounding and reasoning abilities of large language models (LLMs) through controlled, multi-hop counterfactuals. ACCORD introduces formal elements to commonsense reasoning to explicitly control and quantify reasoning complexity beyond the typical 1 or 2 hops
On the Computability of Robust PAC Learning
The study explores the computability aspects of adversarially robust learning, introducing the concept of robust computable PAC learning and its unique conditions. It reveals that robust CPAC learnability does not necessarily follow from CPAC and robust PAC learnability combined. The research also proposes a new metric, the computable robust shattering dimension, as a necessary but not sufficient condition for robust CPAC learnability, offering new perspectives on the robust learning domain. | L’intégration des innovations dans les systèmes de santé et de services sociaux
💙Bulletin de veille stratégique de l'INESSS
A Responsible Framework for Applying Artificial Intelligence on Medical Images and Signals at the Point of Care: The PACS-AI Platform
💙Auteurs : Pascal Theriault-Lauzier, Denis Cobin,Olivier Tastet,Elodie Labrecque Langlais,Bahareh Taji, PhD,b Guson Kang, Aun-Yeong Chong, Derek So, An Tang,Judy Wawira Gichoya,Sarath Chandar, Pierre-Luc Déziel, Julie G. Hussin,Samuel Kadoury et Robert Avram
This review describes challenges to AI integration in health care and provides guidelines on how to move forward. We describe an open-source solution that we developed that integrates AI models into the Picture Archives Communication System (PACS), called PACS-AI.
Understanding the integration of artificial intelligence in healthcare organisations and systems through the NASSS framework: a qualitative study in a leading Canadian academic centre
💙Auteurs : Hassane Alami, Pascale Lehoux, Chrysanthi Papoutsi, Sara E. Shaw, Richard Fleet & Jean-Paul Fortin
The objective of this study is to explore and understand the systemic challenges and implications of their integration in a leading Canadian academic hospital.
Predictive interpretable analytics models for forecasting healthcare costs using open healthcare data
Our research advances the understanding of healthcare costs using open data, and shows that modern machine learning and big data tools can predict costs more effectively than traditional methods. Our models, which cover various scenarios and treatments, outperform existing ones with R2 values between 0.6 and 0.85. Additionally, we promote transparency by making our code, data, and cloud-based computing platforms openly accessible, fostering quick reproducibility and innovation.
Adoption, orchestration, and deployment of artificial intelligence within the National Health Service—facilitators and barriers: an expert roundtable discussion
This article summarizes an expert roundtable discussion, convened by the British Institute of Radiology, comprised experts from clinical, NHS management and industry backgrounds. Facilitators and barriers to both implementation and integration of AI platforms into daily practice are discussed alongside examples including AI in emergency care and breast screenin
Phoebe Physician Group gains big ROI by using AI for no-shows
From January 2023 to February 2024, the organization saw an average increase of 168 encounters per week with help from automated processes to help reduce missed appointments.
H-optimus-0 de Bioptimus : quand l’IA générative redéfinit le diagnostic médical
Lancés il y a moins de cinq mois, nous sommes ravis de présenter H-optimus-0, un modèle entièrement open source qui représente un bond en avant significatif dans le domaine de la pathologie.Référentiel GitHub
Considerations for Quality Control Monitoring of Machine Learning Models in Clinical Practice
This work details the development and use of a platform for monitoring the per
ormance of a production-level ML model operating in Mayo Clinic. In this paper, we aimed to provide a series of considerations and guidelines necessary for integrating such a platform into a team’s technical infrastructure and workflow.
Charting the future of patient care: A strategic leadership guide to harnessing the potential of artificial intelligence
This guide discuses eighteen AI-based applications in clinical decision-making, precision medicine, operational efficiency, and predictive analytics, including a real-world example of AI’s role in public health during the early stages of the COVID-19 pandemic. Additionally, we address ethical questions, transparency, data privacy, bias, consent, accountability, and liability, and the strategic measures that must be taken to align AI with ethical principles, legal frameworks, legacy information technology systems, and employee skills and knowledge.
Liability of Health Professionals Using Sensors, Telemedicine and Artificial Intelligence for Remote Healthcare
This paper aims to provide an overview of the liability of the health professional in the context of the use of sensors and AI tools in remote healthcare, analyzing four regimes: the contract-based approach, the approach based on breach of duty to inform, the fault-based approach, and the approach related to the good itself. We will also discuss future challenges and opportunities in the promising domain of sensors and AI use in medicine. | Kyutai présente Moshi : la première IA vocale générative open source
Retour vers le futur à l’hôpital du Suroît
CIUSSS de l’Ouest-de-l’Île-de-Montréal L’intelligence artificielle utilisée pour personnaliser l’alimentation des usagers
L’intelligence artificielle au service de l'urgence à l'hôpital du Lakeshore
Un dispositif utilisant un algorithme d’intelligence artificielle pour détecter la présence de liquide pulmonaire dans sa phase asymptomatique chez un usager insuffisant cardiaque 🚀Lancement du nouveau site de l’architecture d’entreprise au MSSS
Accessible aux utilisateurs de la suite Microsoft Office 365 du RSSS Proposé par Isabelle Théberge, conseillère en architecture d'entreprise au MSSS Dans une perspective de bâtir ensemble, dans un tout cohérent, le système de santé et de services sociaux de demain, se voulant plus efficace, plus humain et transformé par le numérique, il est nécessaire de s’appuyer sur une information structurante commune, facilement accessible et mise à jour sur une base régulière. Un site amené à se bonifier au fil du temps pour y consolider davantage de contenu et depuis lequel il est possible d’être tenu informé des dernières actualités, grâce à une simple inscription à l'infolettre. Infolettres Saviez-vous que le Dossier Santé Numérique a maintenant son infolettre?
Recevez l’information clé et les invitations aux webinaires mensuels. Inscription ici 👉 bit.ly/RubriqueDSN L'UCNI c'est l’unité de coordination des normes pour l’interopérabilité qui se veut le point central et l’équipe vers qui se tourner lorsque vous avez des besoins ou des questions concernant les normes pour l’atteinte d’une interopérabilité sémantique. Inscription ici 👉 ucni@msss.gouv.qc.ca Autre veille en IA L'hôpital Sainte-Justine produit une veille sur l'IA en santé. Plusieurs articles traitent de l'IA appliquée dans divers domaines cliniques. Voici ce qu'ils souhaitent préciser : À noter que nos veilles sont conçues pour répondre aux besoins de notre milieu, contexte d’un hôpital pédiatrique, et qu’elles s’appuient principalement sur la littérature scientifique des bases de données biomédicales, comme Pubmed, et non pas sur des sources de la littérature grise ou en dehors du domaine biomédical. Inscription ici 👉Formulaire d’inscription (chusj.org) | Vous aimez planifier sur le long terme? Consultez la section Événements de notre site web. À venir Symposium Laurie Hendren sur les données « patient dans la boucle »
28 août – Hybride - Gratuit Colloque ALL IN
11-12 septembre - Hybride - $ Colloque sur la cybersécurité du Centre de recherche en données massives
16 septembre - Présentiel - $ Webinaire - Adaptabilité des modèles fondations
27 septembre 2024 - Hybride - Gratuit Appel à communication Événement public numérique 2025 - Ministère de la cybersécurité et du numérique (MCN) ✨EPN 𝟐𝟎𝟐𝟓 – 𝐏𝐚𝐫𝐭𝐚𝐠𝐞𝐳 𝐯𝐨𝐭𝐫𝐞 𝐞𝐱𝐩𝐞𝐫𝐭𝐢𝐬𝐞! Vous souhaitez communiquer vos idées, vos expériences, vos outils et vos meilleures pratiques qui ont contribué à l'accélération numérique gouvernementale? 😎 Nous sommes à la recherche de conférencières ou de conférenciers qui désirent partager leur expertise et les facteurs ayant favorisé l’intégration de l’intelligence artificielle au sein de leur organisation comme moteur d’accélération de leur transformation numérique. La thématique peut être abordée sous différents angles, comme: - L’optimisation des processus
- L’expérience client
- La cybersécurité
- La gestion des données
- Et bien plus encore!
Pour en apprendre plus et pour soumettre votre candidature 👉https://bit.ly/EPN2025 📅 Date limite : 16 août 2024 | Consultez la liste des formations collégiales et universitaires dans la section Ressources de notre site web
Lancement d’une formation sur la recherche en IA & Santé
Au cours de la période 2024-2025, une série de huit contenus audios sera diffusée tous les deux mois, mettant en lumière les projets de recherche en intelligence artificielle et santé menés par des équipes québécoises. Ceux-ci offriront une vision dynamique de l’avancement de la recherche francophone dans ce domaine.
GitHub Copilot : Programmer en binôme avec l'IA - Formation gratuite disponible sur Linkedin - Attention, lorsque vous cliquez sur le lien, elle est disponible durant 24 heures. | Avis de non-responsabilité Utilisation de l'anglais
Pour maintenir l'intégrité du sens, nous avons choisi de ne pas traduire les titres et résumés. Vous pouvez utiliser les outils de traduction automatique disponibles dans certains navigateurs pour traduire les articles en anglais : faites un clic droit sur la page et sélectionnez « Traduire en français ». Notez que l'utilisation de ces outils peut entraîner des différences de sens par rapport au contenu original. Utilisation de l'IA
Certains résumés de cette veille, générés avec des outils d'IA pour réduire le nombre de mots, peuvent contenir des imprécisions. Les articles originaux n'ont pas été lus en entier par l'auteure de cette veille, donc le CEIAVD décline toute responsabilité quant aux inexactitudes ou omissions. Les résumés visent à orienter le lectorat sur le contenu. Pour des informations complètes et précises, consultez les articles originaux. Hyperliens
Les veilles incluent des liens vers des sites Web créés et mis à jour par des tiers afin de faciliter la consultations des articles. Le CEIAVD n'endosse ni ne garantit, de manière explicite ou implicite, l'exactitude ou l'exhaustivité du contenu de ces hyperliens ou des opinions qui y sont exprimées. Le CEIAVD décline toute responsabilité quant à ces sites Web externes. | | | | |
