Introduction à l'intelligence artificielle appliquée aux écosystèmes de la santé

Structure : EUR HEALTHY
Niveau du cours : M1, M2, Doctorat
Code de l'UE : BMEIES1
Semestre : Impair
Lieu d'enseignement : Campus STAPS - salle 222
Langue : Français

Public

Les étudiant·es en première ou deuxième année d’un Master Psychologie ou STAPS, ainsi que
doctorant·es du périmètre de l'EUR HEALTHY.

Prérequis 

Aucun prérequis n'est nécessaire pour participer à ce cours.
 

Organisation

Présentiel :
- 12h de cours magistraux (CM)
- 12h de travaux dirigés (TD)

A propos 

Présentation du cours

Objectifs du cours

À la fin de ce cours, l’apprenant·e sera capable de…

  • Expliquer les concepts et les méthodes clés de l’IA,
  • Appréhender les capacités, limites et enjeux des nouveaux systèmes d’IA,
  • Débuter une intégration des progrès apportés par l’IA dans l'exploration des problématiques liées à la santé.


L’intelligence artificielle (IA) moderne est un ensemble d’avancées majeures en mathématiques appliquées, statistiques et informatique. Elle apporte avec elle de nouvelles méthodes et outils qui impactent de façon croissante les pratiques professionnelles, et la société dans son ensemble.

Ce cours d'introduction à l'IA, spécifiquement conçu pour les étudiant·es en psychologie et en STAPS, vise à les familiariser avec les concepts fondamentaux et les applications de l'IA dans le domaine de la santé. Il n’a pas pour objectif d’enseigner les spécificités techniques de l'IA, mais d’offrir aux étudiant·es la possibilité de se confronter à ces technologies, déjà intégrées dans les écosystèmes de recherche en psychologie et en STAPS pour traiter des questions fondamentales (par exemple, la quantification de l’activité physique, l’évaluation et le suivi de neuropathologies dégénératives et des troubles comportementaux, la prédiction du stress...). En mettant également en évidence les limites des techniques actuelles et les enjeux scientifiques, sociétaux et environnementaux liés à ces nouvelles technologies, les étudiant·es pourront développer leur esprit critique et saisir les opportunités que l’IA entraîne dans leurs disciplines respectives.

La participation à ce cours donnera droit à une bonification de 0,25 points sur la moyenne générale du semestre (Bonus Engagement).

Ce cours est dispensé par l’équipe EFELIA (École Française de l’Intelligence Artificielle) et s’inscrit dans la stratégie nationale pour l’IA. Au niveau local, le projet est opéré par l'Institut 3IA Côte d'Azur.

Il est conseillé d'apporter son ordinateur portable à chaque séance.

Enseignant·es

Modalités pédagogiques
  • Apports théoriques
  • Études de cas
  • Lecture d’articles scientifiques
  • Applications (accéléromètres...)
  • Espace Moodle
  • Wooclap (sondage, brainstorming…)
Modalités d'évaluation

Dans ce cours, l'évaluation est de nature formative. Les étudiant·es seront amenés à participer à des discussions, ainsi qu'à réaliser des exercices d’autoréflexion, des exposés et des quiz. Cependant, ces exercices ne visent qu’à vous accompagner dans votre processus d'apprentissage : aucune évaluation sommative en vue d'attribuer une note ne sera effectuée. Cette approche vise à encourager la curiosité et la réflexion. L’assiduité aux cours sera prise en considération pour l’obtention du Bonus Engagement.

Bibliographie

Articles scientifiques :

  • Ellis, K., Kerr, J., Godbole, S., Lanckriet, G., Wing, D., & Marshall, S. (2014). A random forest classifier for the prediction of energy expenditure and type of physical activity from wrist and hip accelerometers. Physiological measurement, 35(11), 2191.
  • Haas, J. D., & Brownlie IV, T. (2001). Iron deficiency and reduced work capacity: a critical review of the research to determine a causal relationship. The Journal of nutrition, 131(2), 676S-690S.
  • Li, Q., Zhao, L., Xue, Y., Jin, L., Alli, M., & Feng, L. (2017). Correlating stressor events for social network based adolescent stress prediction. In Database Systems for Advanced Applications: 22nd International Conference, DASFAA 2017, Suzhou, China, March 27-30, 2017, Proceedings, Part I 22 (pp. 642-658). Springer International Publishing.

Autres ressources :

Soutien à la réussite
  • TUT'TOP : bénéficier du tutorat par les pairs sur le plan méthodologique, social, administratif ou logistique.
  • écri+ : améliorer son français écrit.
  • Centre de ressources en langues : développer ses compétences en langues vivantes (française ou étrangères).
  • METODA : développer ses compétences en recherche documentaire.
  • S'orienter / Se réorienter : être accompagné par les conseillers d'orientation et d'insertion professionnelle de l'université.
  • Centre de santé et aide sociale : prendre soin de sa santé physique et mentale et se faire accompagner en cas de difficulté sociale.
  • Cellule Handicap : découvrir les aides proposées pour les étudiant.es en situation de handicap.
  • Plateforme de signalement : écoute et accompagnement des victimes ou témoins d’actes de violence, de harcèlement ou de discrimination (violences sexistes et sexuelles, LGBTphobies, racisme, xénophobie…).

Programme

Séance Date Durée Enseignant·es Sujet
1 12/10/2023
8h30 - 12h30
4h Meggy Hayotte, Aude Sportisse IA dans la quantification objective de l’activité physique à partir d'accéléromètres
2 26/10/2023
8h30 - 12h30
4h Xavier Corveleyn, Aude Sportisse IA dans le diagnostic et l’accompagnement thérapeutique dans un but de personnalisation
3 16/11/2023
8h30 - 12h30
4h Auriane Gros IA dans l’évaluation des pathologies neurodégénératives et le suivi des troubles comportementaux
4 23/11/2023
8h30 - 12h30
4h Aude Sportisse Les fondamentaux de l’IA:
  • concepts clés,
  • construire une problématique à partir d’un jeu de données,
  • modèles statistiques.
5 30/11/2023
8h30 - 12h30
4h Aude Sportisse Machine Learning:
  • apprentissage supervisé (exemple d’application: prédiction de la dépense énergétique et du type d'activité physique à partir d'accéléromètres au poignet et à la hanche),
  • introduction à la causalité (exemple d’application: déterminer un lien causal entre carence en fer et réduction de la capacité de travail),
  • apprentissage profond (exemple d’application: prédiction du stress chez l’adolescent·e).
6 07/12/2023
8h30 -12h30
4h Aude Sportisse Limites de l’IA et ouvertures :
  • enjeu de la collecte des données,
  • aspects éthiques,
  • biais introduits par l’IA.