de l'intelligence artificielle en santé des populations
TERMES ASSOCIÉS À L'INTELLIGENCE ARTIFICIELLE
ALGORITHME
Ensemble d'instructions effectué par un ordinateur préalablement écrites par un.e développeur.euse dans le but de faire une tâche précise. [1], [2]
APPRENTISSAGE DE REPRÉSENTATION
Type d'apprentissage machine où l'algorithme apprend lui-même les traits permettant de classer adéquatement les données qu'on
lui donne. [3]
APPRENTISSAGE MACHINE
Type d'intelligence artificielle qui utilise des données massives pour apprendre à les répliquer ou à les détecter sans indications explicites de ses concepteurs. [3]
ASSISTANT VIRTUEL
Exemple d'application d'un agent virtuel capable d'interpréter et de répondre à des questions d'un utilisateur. [1]
DÉTECTION AIDÉE PAR ORDINATEUR
Détection automatique sans diagnostic nécessitant une évaluation faite par un spécialiste. [3], [4]
DIAGNOSTIC AIDÉ PAR ORDINATEUR
Diagnostic automatique fait par un algorithme nécessitant l'approbation d'un spécialiste. [3], [4]
DONNÉES MASSIVES
Ensemble de données massives sur les individus et leur santé permettant d'améliorer les algorithmes d'intelligence artificielle. Ce type d'ensemble permet d'analyser la présence des tendances statistiques. [1], [5]
ENTRAÎNER UN ALGORITHME D'INTELLIGENCE ARTIFICIELLE
Processus où un algorithme d'intelligence artificielle utilise des données et parfois des traits ou des paramètres précis spécifiés par ses développeurs, pour sélectionner les paramètres idéals à la réalisation de sa tâche. [3]
INTELLIGENCE ARTIFICIELLE (IA)
Branche de l'informatique qui utilise des algorithmes pour résoudre des problèmes associés à l'intelligence humaine et à l'apprentissage. Parmi les tâches liées à l'intelligence humaine que peuvent accomplir les IA, il y a la reconnaissance visuelle, la traduction automatique, la reconnaissance vocale, l'interprétation d'images, l'interaction avec d'autres êtres humains, la prise de décision, etc. [1], [2], [3]
PHÉNOMÈNE DE LA BOÎTE NOIRE DANS LE CONTEXTE DE L'UTILISATION D'UNE IA
EN SANTÉ
Il nous est difficile de savoir ce qu'apprend réellement un algorithme d'intelligence artificielle. De ce fait, nous ne pouvons savoir réellement ce qui justifie la détection ou l'absence d'une classification. [6]
RÉSEAU DE NEURONES
Modèle d'apprentissage machine inspiré des neurones où les données d'entraînement passent par différentes couches de traitement. [3]
TESTER UN ALGORITHME D'INTELLIGENCE ARTIFICIELLE
Permet d'évaluer la performance d'un algorithme. [3]
TERMES ASSOCIÉS À LA BIOÉTHIQUE
ACCEPTABILITÉ SOCIALE
Attitude positive portée par la collectivité exprimée envers une cible particulière. [8]
ALLOCATION
Distribution des ressources financières par des institutions au pouvoir. [9]
AUTO-DÉTERMINATION
La capacité, la liberté et le droit de choisir en accord avec ses propres valeurs, croyances et engagements. [9]
AUTONOMIE
Terme décrivant la capacité d'un individu d'avoir le contrôle décisionnel sur son corps et ses choix. [9]
BIAIS
Association(s) généralisée(s) explicite(s) ou implicite(s) entre des caractéristiques négative(s) ou positive(s) et un groupe. [10]
BIENFAISANCE
Action ayant pour objectif de favoriser le bien-être d'autrui. [9]
COMPÉTENCE
La capacité d'effectuer une tâche nécessitant parfois certaines connaissances techniques particulières à un domaine. [9]
CONFIDENTIALITÉ
Le respect de la non-diffusion des informations médicales d'un patient. [9]
DIGNITÉ
En santé, la dignité implique le fait qu'un.e patient.e puisse vivre en concordance avec ses standards et ses valeurs. [11]
DISCRIMINATION
La mise en application d'une décision se basant sur un biais concernant un groupe. Par exemple, en santé, des patients issus de groupes minoritaires auraient plus tendance à subir plus d'attitudes négatives pendant leur traitement. [12]
ÉTHIQUE APPLIQUÉE
Concerne l'application des concepts en éthique à des sphères (e.g.: des entreprises, le système judiciaire) ou à des problèmes spécifiques (e.g.: le suicide assisté). [9]
ÉTHIQUE DU SOIN
Termes qui mettent l'emphase sur le rapport éthique propre à la nature et à la qualité du soin. [9]
JUSTICE
Concerne la distribution et l'accès juste à des ressources. En santé, le terme justice peut aussi faire référence à la compensation d'une situation négative par un bénéfice. [9]
STIGMATISATION
Un stigma est un attribut porté par une personne ou un groupe causant un processus de marginalisation. La stigmatisation est un processus de discrimination où la vie d'une personne ou d'un groupe est dévalorisée.
TRANSPARENCE
L'accessibilité des données permettant, entre autres, de discerner des conflits d'intérêts possibles. [13]
VIE PRIVÉE
Informations concernant un individu qui, dans le domaine de la santé, peuvent concerner des informations banales comme la taille et des informations sensibles pouvant stigmatiser quelqu'un comme des diagnostics psychiatriques. [14]
TERMES ASSOCIÉS À LA SANTÉ DES POPULATIONS
BIEN-ÊTRE
Perception vécue par un individu de bonheur, sens et d'autoréalisation. [15], [16]
DÉTERMINANTS AU NIVEAU DU SYSTÈME DE SANTÉ
Cause(s) possible(s) issue(s) de l'organisation du système de santé pouvant affecter la santé d'une personne ou d'une population (P.ex.: l'accès, la quantité et la qualité de services de santé offerts). [16]
DÉTERMINANTS COMPORTEMENTAUX
Cause(s) possible(s) issue(s) des choix ou des habitudes d'une personne pouvant affecter sa santé (P.ex.: la diète, l'exercice, la consommation de substance, etc.) [16]
DÉTERMINANTS GÉNÉTIQUES
Cause(s) possible(s) issue(s) de la génétique pouvant affecter la santé d'une personne ou d'une population. [16]
DÉTERMINANTS PHYSIQUES
Cause(s) possible(s) issue(s) de l'environnement naturel qui peut affecter la santé d'une personne ou d'une population (P.ex.: la qualité de l'air et de l'eau, l'exposition au plomb, l'arrangement du voisinage, etc.). [16]
DÉTERMINANTS SOCIAUX
Facteur pouvant affectant la santé qui provient de l'environnement social (P.ex.: le salaire, l'éducation, le métier, la classe sociale, le support social, etc.) [16]
INÉGALITÉS EN SANTÉ
Termes permettant de désigner les différences et la variation entre la santé des individus et des groupes. [17]
MESURE DE LA SANTÉ D'UNE POPULATION
Mesure qui permet d'évaluer la santé d'une population en se basant sur la mortalité et la morbidité. [16], [18]
MORBIDITÉ
Opposé au bien-être physiologique ou psychologique. Implique généralement la maladie. [16], [19]
POLITIQUES
Décisions concernant la gestion et l'envergure des ressources financières allouées par des décisionnaires. [16], [20]
POPULATION
Un ensemble d'individus partageant des caractéristiques similaires permettant de les circonscrire à un groupe. [16]
SANTÉ DES POPULATIONS
L'influence de différents facteurs sociaux sur la santé de groupe particulier. [16]
TERMES ASSOCIÉS À LA MÉTHODE DELPHI
CONSENSUS
Critère défini de façon arbitraire par les chercheurs permettant de juger du niveau d'homogénéité des opinions de ces derniers. [21]
DELPHI
Processus itératif où on collecte l'opinion des participants anonymes, généralement des experts, dans l'objectif d'évaluer le niveau de consensus sur une question précise. [21]
PROTOTYPE
Le premier questionnaire est constitué de questions ouvertes et sert à déterminer l'opinion générale des participants. [22]
RETOUR DES RÉPONSES
Présentation synthétisée des résultats des rondes précédentes aux participants. [23]
RONDE
Tour de consultation servant à récolter et à quantifier les opinions des participants. [21]
BIBLIOGRAPHIE
1
Pakdemirli, E. (2019). A preliminary glossary of artificial intelligence in radiology. Acta radiologica open, 8(7),
2
King Jr, B. F. (2017). Guest editorial: discovery and artificial intelligence.
3
Tang, A., Tam, R., Cadrin-Chênevert, A., Guest, W., Chong, J., Barfett, J., ... & Canadian Association of Radiologists (CAR) Artificial Intelligence Working Group. (2018). Canadian Association of Radiologists white paper on artificial intelligence in radiology. Canadian Association of Radiologists Journal, 69(2), 120-135.
4
FDA, U. (2012). Guidance for Industry and Food and Drug Administration Staff: Computer-Assisted Detection Devices Applied to Radiology Images and Radiology Device Data—Premarket Notification [510 (k)] Submissions.
5
Chiolero, A., & Buckeridge, D. (2020). Glossary for public health surveillance in the age of data science. J Epidemiol Community Health, 74(7), 612-616.
6
Wadden, J. J. (2021). Defining the undefinable: the black box problem in healthcare artificial intelligence. Journal of Medical Ethics.
7
Estivill-Castro, V. (2002). Why so many clustering algorithms: a position paper. ACM SIGKDD explorations newsletter, 4(1), 65-75.
8
Savela, N., Turja, T., & Oksanen, A. (2018). Social acceptance of robots in different occupational fields: A systematic literature review. International Journal of Social Robotics, 10(4), 493-502.
9
Tubbs Jr, J. B. (2009). A handbook of bioethics terms. Georgetown University Press.
10
Johnson, R. L., Saha, S., Arbelaez, J. J., Beach, M. C., & Cooper, L. A. (2004). Racial and ethnic differences in patient perceptions of bias and cultural competence in health care. Journal of general internal medicine, 19(2), 101-110.
11
Barclay, L. (2016). In sickness and in dignity: a philosophical account of the meaning of dignity in health care. International journal of nursing studies, 61, 136-141.
12
Sorkin, D. H., Ngo-Metzger, Q., & De Alba, I. (2010). Racial/ethnic discrimination in health care: impact on perceived quality of care. Journal of general internal medicine, 25(5), 390-396.
13
Jansen, L. A., & Sulmasy, D. P. (2003). Bioethics, Conflicts of Interest, the Limits of Transparency. The Hastings Center Report, 33(4), 40. doi:10.2307/3528379
14
Rindfleisch, T. C. (1997). Privacy, information technology, and health care. Communications of the ACM, 40(8), 92-100.
15
Ryan, R. M., & Deci, E. L. (2001). On happiness and human potentials: A review of research on hedonic and eudaimonic well-being. Annual review of psychology, 52(1), 141-166.
16
Kindig, D. A. (2007). Understanding population health terminology. The Milbank Quarterly, 85(1), 139-161.
ISO 690
17
Kawachi, I., Subramanian, S. V., & Almeida-Filho, N. (2002). A glossary for health inequalities. Journal of Epidemiology & Community Health, 56(9), 647-652.
18
Gold, M. R., Stevenson, D., & Fryback, D. G. (2002). HALYS and QALYS and DALYS, Oh My: similarities and differences in summary measures of population Health. Annual review of public health, 23(1), 115-134.
ISO 690
19
Last, J. M. (1996). Making the dictionary of epidemiology. International journal of epidemiology, 25(5), 1098-1101.
20
Milio, N. (2001). A Glossary of Health Inequalities. Journal of Epidemiology and Community Health, 55, 622-23
21
Tremblay-Boudreault, V., & Dionne, C. E. (2000). L’approche Delphi: Application dans la conception d’un outil clinique en réadaptation au travail en santé mentale. Méthodes qualitatives, quantitatives et mixtes: les Presses de l’Université de Québec.
22
Thangaratinam, S., & Redman, C. W. (2005). The delphi technique. The obstetrician & gynaecologist, 7(2), 120-125.
23
Powell, C. (2003). The Delphi technique: myths and realities. Journal of advanced nursing, 41(4), 376-382.