Article 6 – Et si l’on devait effectuer une formation Santé et Numérique ?

A la vue de l’état de l’art effectué dans les articles précédents, nous imaginons ici les connaissances qu’un ingénieur généraliste devrait acquérir en informatique et en sciences médicales.
Dans notre article sur les formations existantes (article 4) , nous avons cité les masters à destination de cadres du milieu de la santé (gestionnaire, médecins, statisticiens…). Nous avons constaté que les formations proposées sont souvent très applicatives ; peu d’offres existent aujourd’hui pour un ingénieur généraliste qui souhaiterait acquérir un spécialisation dans les technologies de la santé et développer de nouveaux outils informatiques.
Ainsi, l’objectif serait double :  d’une part, se spécialiser dans l’ingénierie appliquée aux sciences médicales afin de concevoir et implémenter des stratégies innovantes et mieux répondre aux défis actuels des systèmes de santé ; et d’autre part acquérir de nouvelles connaissances dans ce domaine afin de pouvoir interagir dans un milieu pluridisciplinaire.

Les trois thématiques à aborder transversalement dans cet enseignement sont :

  • La biologie de synthèse et génétique;

  • Le système d’information médical ;

  • Le traitement digital et la robotique.

Il s’agit des thématiques que nous avions dégagées dans notre premier article.

Nous présentons ici chaque module d’enseignement à intégrer dans la formation.

Mathématiques [1]
Ce module regroupe toutes les connaissances théoriques qui sont indispensables à la formation de l’ingénieur en général afin de pouvoir  résoudre les problèmes de manière autonome. On peut considérer certaines connaissances comme pré-requises (exemple : optimisation numérique).

         Bases communes

  • Introduction aux calculs stochastiques

  • Méthodes probabilistes : méthodes de Monte Carlo, chaînes de Markov, processus de diffusion.

    Appliquées au traitement d’image
    Des outils d’analyse fonctionnelles sont nécessaire en traitement d’images. Pour commencer, on pourrait introduire les thématiques suivantes :

  • Optimisation dans les espaces de Banach;

  • Formulation variationnelle des équations aux dérivées partielles (permet de traiter des problèmes exprimés sous forme variationnelle, d’aborder des problèmes non-linéaires, d’obtenir des résultats d’existence et d’unicité de solution, voire des schémas de résolution numérique efficaces);

  • Analyse convexe non lisse.

    Appliquées à l’intelligence artificielle
    Dans le cadre de l’IA, les mathématiques servent à analyser les données et de les classifier selon des méthodes spécifiques aux quelles on pourrait initier l’ingénieur.

  • Décrire les méthodes de classification et de clustering;

  • Introduire les arbres de décisions et l’analyse discriminante paramétrique et non paramétrique;

  • Initier aux modèles de mélanges et savoir déterminer quand les utiliser, ainsi que les algorithmes espérance-maximisation (utilisés pour la classification de données, l’apprentissage automatique, ou la vision artificielle).

    Appliquées à la biologie

  • Étudier les algorithmes de la biologie structurelle computationelle;

  • Méthodes formelles appliquées aux systèmes complexes.

Outre l’acquisition d’une base solide de connaissances mathématiques, on pourrait envisager des cours dédiés à une spécialité. Nous avons pensé au  traitement digital et à la robotique, à  l’imagerie médicale et l’ingénierie virtuelle.

Imagerie médicale et ingénierie virtuelle [3]

Le module d’imagerie médicale apporte une connaissance générale sur le traitement d’images et ses applications. Un ingénieur pourra se pencher sur ses enjeux numériques comme la rapidité d’acquisition d’image médicale ou le développement de nouvelles technologies d’imagerie pour créer des modèles physiologiques personnalisés.

Imagerie médicale

  • Physique et  technologie de l’imagerie médicale ;

    • imagerie nucléaire, par laser, par résonance magnétique(IRM), ultra-sons(échographie), tomodensitométrie(scanners) etc…

  • Traitement d’image ;

    • Quantification et caractérisation de formes, filtrage et segmentation, recalage, fusion, compression etc..

    • Modélisation surfacique

    • Présentation de logiciels de traitement d’images médicales

  • Systèmes de stockage et de diffusion d’images médicales.

Réalité virtuelle

La réalité virtuelle révolutionne l’imagerie médicale en permettant l’instantanéité de l’acquisition d’image lors d’une opération chirurgicale par exemple. Le cours de réalité virtuelle est principalement introductif et permet d’apprendre les différentes formes de réalité virtuelle :

  • Visualiser par augmentation de l’image;

  • Découvrir des moteurs de rendu 3D.

Robotique et intelligence artificielle
Nous pensons, suite à notre article n°3 qui établit un état de l’art sur la robotique, que l’intelligence artificielle est directement reliée à la robotique et qu’elle est notamment l’enjeu majeur du développement de machines plus performantes en terme de précision, sécurité et adaptabilité à son environnement et aux situations inattendues.

Robotique
Des pré-requis en automatique et de commande sont demandés. La robotique est un sujet vaste. Nous aimerions que cette matière pousse à l’apprentissage des connaissances de bases de la robotique et qu’en complément soit démontré son impact concret grâce à des visites d’entreprise et démonstrations de nouvelles technologies robotiques du médical.

  • Introduire la robotique médicale (état de l’art en robotique chirurgicale et d’assistance, classification de la robotique, les enjeux comme la télé-opération)

  • Enseigner la modélisation et la programmation pour la robotique : modélisations géométrique, cinématique et dynamique des manipulateurs, étude de la commande des robots manipulateurs, simulations.

  • Visites (laboratoire de recherche, entreprise médicale, établissement de soin)

Intelligence artificielle
Dans ce cours, l’objectif est d’acquérir des techniques plus avancées de modélisation et d’ingénierie des systèmes intelligents et d’aide à la décision.

  • Se perfectionner dans l’analyse et la représentation des connaissances;

  • Introduire la notion de datamining et de machine de décision ;

  • Règles d’apprentissage et techniques de modélisation prédictive :  appliquer les algorithmes connus du monde médical comme les réseaux de neurones ou  la régression logistique, les nomogrammes, les réseaux bayesiens.

Concernant les modules qui peuvent être intégrés dans une formation plus orientée système d’informations médical, nous estimons intéressant d’introduire les deux modules suivants.

Systèmes d’information

Le cours de SI est appliqué directement au secteur de la santé.

  • Présenter les SI nationaux pour la santé;

  • Définir les aspects métiers et applicatifs “santé” (processus, schéma directeur, urbanisation);

  • Présenter l’architecture matérielle des SI modernes;

  • Introduire les nouveaux concepts de la télésanté, e-santé via un intervenant extérieur par exemple;

  • Définir le cycle de vie d’un médicament, validé par le SI;

  • Normer et évaluer la qualité d ‘un SI.

  • S’interroger sur les moyens de conduire le changement.

Sécurité et fiabilité des SI
Un apport approfondi en terme de sûreté, sécurité et  confidentialité, est exigé pour les systèmes d’ informations de santé. Ce qui nécessite des connaissances présentés ci-dessous.

  • Robustesse des systèmes (modèles statistiques, analyse des risques etc.. );

  • Sécurité des réseaux;

  • Théories des codage et cryptage des données;

  • Management de la sécurité de l’information;

  • Systèmes concurrents et distribués;

    • programmation concurrente ;

    • programmation paralèlle;

    • Temps réel etc…

Enfin, ces enseignements techniques  sont  caractérisés par une forte transversalité avec une formation médicale. D’où la nécessité d’intégrer au sein de l’enseignement un module de culture générale dans le secteur de la santé.

Initiation aux Sciences médicales

  • Etre sensibilisé au droit de la santé (légalité du SI, sécurité);

  • Terminologie médical : s’approprier le langage des sciences biologiques et médicales.

  • Comprendre l’organisation économique des établissements de santé publics et privés

 

Finalement, l’idéal serait que pour chaque module proposé des intervenants extérieurs participent et que des visites d’entreprises soient réalisés afin d’apporter un regard concret et un complément d’information sur les débouchés existants.

Bibliographie :

[1]http://documents.irevues.inist.fr/bitstream/handle/2042/1976/nondispo.pdf?sequence=1 [Mathématiques et Traitement d’images]

https://www.ljll.math.upmc.fr/mbio/enseignement-s2.php  [Exemple de master Mathématiques appliquées aux sciences biologique & médicales]

[2] http://www3.imperial.ac.uk/computing/teaching/pg/mcsai http://www.univ-lyon2.fr/formation/masters-2/master-2-intelligence-artificielle-et-decision-iade-428005.kjsp?RH=M2 [Intelligence Artificielle]

[3] http://www.sfrnet.org/cerf/recherche/formations-selectionnees/liste-masters/index.phtml

http://www.e-mmi.eu/media/document/EMMIPlaquette09.pdf  [Traitement d’images]

[4]http://isis.univ-jfc.fr/sites/isis.univ-jfc.fr/files/syllabusthmatiqueisis_07122009.pdf

http://www.telecom-physique.fr/uploads/media/leafletFIPTIS.pdf [Informatique pour la santé]

 

Auteurs : Olfa Koubaa & Flore Massoullié

Encadrant : Morgan Magnin

Licence Creative Commons
Article 6 – Et si l’on devait effectuer une formation Santé et Numérique ? de Olfa Koubaa et Flore Massoullié est mis à disposition selon les termes de la licence Creative Commons Attribution – Pas d’Utilisation Commerciale – Partage dans les Mêmes Conditions 3.0 non transposé.