Diplôme d'université Intelligence artificielle et données - parcours santé

Objectifs

L'objectif du Diplôme d'université IA & données est de faire monter en compétences des professionnels utilisant l'intelligence artificiel en contexte médical. Pour ce faire, le DU forme ainsi spécifiquement à l'usage de l'IA au service de la patientèle.

Programme de la formation

Principaux enseignements

La formation s'articule autour de 3 éléments constitutifs (EC) alliant théorie académique et pratique industrielle.

Apprentissage Machine et Profond (35h - Distanciel ou présentiel)

Ce module technique couvre les fondements du Deep Learning :

• Réseaux de neurones artificiels : principes, optimisation et rétropropagation.
• Architectures avancées :

               - Couches convolutives (CNN) pour l'imagerie.

               - Réseaux récurrents (RNN, LSTM) pour les données séquentielles.

• État de l'art : introduction aux Transformers (Vision & NLP) et à l'apprentissage de représentation.
• Outils : implémentation pratique de modèles complexes.

IA et données pour la Santé (28h - Présentiel)

Dispensé par des experts en IA et des praticiens hospitaliers, ce module aborde :

• Imagerie Médicale : débruitage, segmentation, aide au diagnostic automatisé.
• Oncologie & Radiothérapie : optimisation des traitements et analyse de marqueurs prédictifs.
• Traitement automatique du langage (NLP) : analyse automatique des comptes rendus médicaux
• Médecine de précision : optimisation des parcours de soins.
• Travaux Pratiques : développement d'algorithmes sur données de santé.

Aspects Juridiques et Éthiques (7h - Distanciel ou présentiel)

• Cadre réglementaire de l'IA en santé (règlementation européenne, dispositifs médicaux).
• Protection des données sensibles (RGPD, hébergement de données de santé).
• Éthique de l'algorithme : biais, explicabilité et responsabilité médicale.

 

Validation et sanction

À l'issue de ce DU, vous aurez acquis les compétences suivantes :

• Maîtriser les architectures de réseaux de neurones (fondements du deep learning)
• Appliquer l'IA aux cas d'usage médicaux réels (imagerie médicale, oncologie & radiothérapie, traitement automatique du langage, médecine de précision)
• Déployer l'IA de manière responsable (cadre réglementaire, protection des données sensibles, éthique de l'algorithme)

Type de formation

Non certifiante

Sortie

Sans niveau spécifique