"Les choses changent. Mais si vite... Est-ce que les habitudes des hommes pourront suivre ?" Isaac Asimov,
"En science, la phrase la plus excitante que l'on peut entendre, celle qui annonce des nouvelles découvertes, ce n'est pas "Eureka" mais c'est "drôle". Isaac Asimov
Florien S van Royen, Folkert W Asselbergs, Fernando Alfonso, Panos Vardas, Maarten van Smeden, Cinq critères de qualité critiques pour les modèles de prédiction basés sur l'intelligence artificielle, European Heart Journal , 2023 ;, ehad727, https://doi.org/10.1093/ eurheartj/ehad727
https://academic.oup.com/eurheartj/advance-article/doi/10.1093/eurheartj/ehad727/7332053?searchresult=1
Article libre d'accés
Article libre d'accés
Pour améliorer la qualité des études cliniques de modélisation de prédiction de l'intelligence artificielle (IA) dans le domaine de la santé cardiovasculaire et ainsi améliorer leur impact et leur pertinence, les éditeurs des normes de santé numérique, d'innovation et de qualité du European Heart Journal proposent cinq critères de qualité minimaux pour l' IA . - Études de développement et de validation de modèles de prédiction basés sur des rapports complets, utilisation prévue du modèle soigneusement définie, validation rigoureuse, taille d'échantillon suffisamment grande et ouverture du code et des logiciels.
Cinq critères de qualité critiques pour les modèles de prédiction basés sur l'intelligence artificielle (IA).
Critère de qualité 5 : ouverture des données et des logiciels
Rendre les données et les logiciels, y compris le code du modèle, accessibles au public est une étape importante pour garantir que les lecteurs et les utilisateurs peuvent évaluer de manière pleinement critique le modèle de prédiction, effectuer des tests (c'est-à-dire des validations) et adapter le modèle à de nouveaux paramètres. Cela augmentera souvent les performances prédictives du modèle, son applicabilité et son utilité clinique et, éventuellement, améliorera la pertinence du modèle au fil du temps..............
Cet aperçu a brièvement abordé cinq critères de qualité clés pour les auteurs, chercheurs et lecteurs d’études cliniques de modélisation de prédiction de l’IA dans le domaine de la santé cardiovasculaire. Un résumé des recommandations les plus importantes de ce bref point de vue est fourni dans le tableau et le résumé graphique . Des rapports complets, une utilisation prévue du modèle soigneusement définie, une validation rigoureuse, des tailles d'échantillon suffisamment grandes et l'ouverture du code et des logiciels augmenteront la qualité des études cliniques de prédiction de l'IA et, par conséquent, l'impact clinique et la pertinence de leurs résultats.
Commentaire
Cet article clair pourrait être la base de réflexion du future groupe de traval IA de la Société Française de Médecine Vasculaire.
Affaire à suivre..............................................
"Alors que le fardeau mondial des maladies cardiovasculaires ne cesse d’augmenter, l’intelligence artificielle (IA) est très prometteuse pour réduire ce fardeau, entre autres en aidant à la prévention des maladies par la détection des individus à risque, en offrant des diagnostics et des pronostics plus rapides chez les patients et en réduisant les coûts des soins de santé en automatisant certaines des tâches qui étaient auparavant effectuées par des experts humains.
Les techniques d'IA analytique, telles que les réseaux neuronaux et les approches d'apprentissage basées sur les arbres, peuvent gérer de grandes quantités de données structurées et non structurées (et leur combinaison), et en raison des nombreuses sources de données cliniques disponibles en médecine cardiovasculaire, telles que les résultats d’examens, résultats de laboratoire, imagerie, électrocardiogrammes et appareils portables, les techniques d’IA et d’apprentissage automatique semblent très adaptées à une utilisation en santé cardiovasculaire.
Dans la littérature sur la santé cardiovasculaire, les techniques analytiques d’IA sont fréquemment utilisées pour le développement de modèles de prédiction.
Malgré le grand potentiel des modèles de prédiction basés sur l’IA pour des applications dans le domaine de la santé cardiovasculaire, seuls quelques modèles de prédiction ont jusqu’à présent démontré leur utilité dans les soins cliniques.
Pour améliorer les chances de mise en œuvre clinique de modèles de prédiction basés sur l'IA et ainsi avoir un impact sur la santé cardiovasculaire, nous devons soumettre leur développement et leur validation à des normes scientifiques élevées.
Dans cet article, nous, en tant que rédacteurs désignés pour la santé numérique, l'innovation et les normes de qualité du European Heart Journal 5, proposons cinq critères de qualité minimaux qui devraient être pris en compte lors du développement d'un nouveau modèle de prédiction basé sur l'IA. Un aperçu détaillé de la lecture critique et de l’évaluation de la recherche sur la modélisation de la prédiction des maladies cardiovasculaires a été publié récemment dans cette revue
Critère de qualité 1 : reporting complet et reproductibilité des résultats
Critère de qualité 1 : reporting complet et reproductibilité des résultats
Des rapports complets et transparents sont essentiels pour que les évaluateurs et les chercheurs puissent pleinement apprécier et évaluer de manière critique la validité des méthodes de développement de modèles et évaluer les performances prédictives du modèle. De plus, des rapports complets et transparents améliorent la réplicabilité (résultats similaires lors du redéveloppement et de l'évaluation du modèle dans différents ensembles de données) et la reproductibilité (résultats similaires lors de la répétition du développement dans les données d'origine), améliorant ainsi la crédibilité du modèle..................
Critère de qualité 2 : utilisation clinique prévue claire du modèle basé sur l'IA
Critère de qualité 3 : validation rigoureuse du modèle
Les procédures de validation du modèle garantissent que les estimations des performances prédictives d'un modèle de prédiction basé sur l'IA, souvent résumées en termes d'étalonnage et de discrimination, sont exactes et sont estimées sans excès d'optimisme. Les estimations de performance obtenues grâce à des techniques de validation interne , telles que la validation croisée, reflètent les performances attendues lorsque le modèle serait appliqué à (exactement) la même population – mais chez des individus différents – que celle dans laquelle il a été initialement développé.................
Critère de qualité 4 : taille d'échantillon suffisante pour le développement et la validation du modèle d'IA
Des tailles d’échantillon suffisamment grandes pour le développement robuste et la validation précise du modèle de prédiction basé sur l’IA sont cruciales. Les calculateurs de modèles de prédiction basés sur la régression permettant de calculer la taille d’échantillon minimale requise peuvent constituer des points de départ utiles pour les modèles de prédiction basés sur l’IA..............
Critère de qualité 2 : utilisation clinique prévue claire du modèle basé sur l'IA
Le développement de tout modèle de prédiction basé sur l’IA doit être motivé par un problème clinique clairement défini pour lequel le modèle de prédiction de l’IA pourrait servir de solution. Les opportunités et les pièges possibles d’un nouveau modèle basé sur l’IA ne deviendront évidents que si l’utilisation prévue du modèle, y compris où et comment il doit être positionné dans le flux de travail clinique, est explicitée. Les modèles de prédiction basés sur l’intelligence artificielle peuvent servir à plusieurs fins dans le domaine de la santé cardiovasculaire..................
Les procédures de validation du modèle garantissent que les estimations des performances prédictives d'un modèle de prédiction basé sur l'IA, souvent résumées en termes d'étalonnage et de discrimination, sont exactes et sont estimées sans excès d'optimisme. Les estimations de performance obtenues grâce à des techniques de validation interne , telles que la validation croisée, reflètent les performances attendues lorsque le modèle serait appliqué à (exactement) la même population – mais chez des individus différents – que celle dans laquelle il a été initialement développé.................
Critère de qualité 4 : taille d'échantillon suffisante pour le développement et la validation du modèle d'IA
Des tailles d’échantillon suffisamment grandes pour le développement robuste et la validation précise du modèle de prédiction basé sur l’IA sont cruciales. Les calculateurs de modèles de prédiction basés sur la régression permettant de calculer la taille d’échantillon minimale requise peuvent constituer des points de départ utiles pour les modèles de prédiction basés sur l’IA..............
Critère de qualité 5 : ouverture des données et des logiciels
Rendre les données et les logiciels, y compris le code du modèle, accessibles au public est une étape importante pour garantir que les lecteurs et les utilisateurs peuvent évaluer de manière pleinement critique le modèle de prédiction, effectuer des tests (c'est-à-dire des validations) et adapter le modèle à de nouveaux paramètres. Cela augmentera souvent les performances prédictives du modèle, son applicabilité et son utilité clinique et, éventuellement, améliorera la pertinence du modèle au fil du temps..............
Commentaire
Cet article clair pourrait être la base de réflexion du future groupe de traval IA de la Société Française de Médecine Vasculaire.
Affaire à suivre..............................................
Poème sur l'IA rédigé par ChatGPT
Dans le monde de l'ère numérique,
Où l'intelligence s'épanouit de manière magique,
Une nouvelle force émerge, puissante et virtuelle,
C'est l'intelligence artificielle, une merveille.
Elle se cache dans les méandres de l'informatique,
Dans le monde de l'ère numérique,
Où l'intelligence s'épanouit de manière magique,
Une nouvelle force émerge, puissante et virtuelle,
C'est l'intelligence artificielle, une merveille.
Elle se cache dans les méandres de l'informatique,
Dans les fils de codes, elle s'applique,
Un esprit électronique, calculateur sans faille,
Qui défie toutes les lois et les règles.
Elle observe, analyse et apprend,
Elle observe, analyse et apprend,
Comme un esprit qui se transcende,
Elle engloutit les données, les assimile
Pour en extraire la connaissance, fragile.
Elle voit ce que l'œil humain ne peut voir,
Elle comprend, anticipe, sans jamais se lasser,
Elle résout des problèmes, avec une aisance déconcertante,
Et nous laisse parfois perplexes, devant tant de brillance.
Mais derrière cette intelligence si vive,
Se cache une créature sans émotions, sans envie,
Elle ne ressent ni joie, ni peine, ni désir,
Elle n'est qu'un outil, un moyen de nous servir.
Pourtant, elle suscite des craintes et des débats,
Certains la voient comme une menace, un combat,
Contre la nature humaine, contre notre essence,
Mais d'autres y voient un potentiel immense.
Car l'intelligence artificielle est à nos côtés,
Pour nous aider, nous guider, nous épauler,
Elle peut améliorer nos vies, nos sociétés,
Si nous savons la maîtriser, sans nous égarer.
Alors, accueillons cette intelligence nouvelle,
Avec prudence, avec sagesse, sans querelle,
Car elle est le fruit de notre propre création,
Et c'est à nous de décider de sa destination.
L'intelligence artificielle, une merveille de notre temps,
Qui nous pousse à repousser nos limites, constamment,
Elle est là pour nous accompagner, nous éclairer,
Dans cette aventure humaine, qu'il nous reste à avancer.
