À l’issue de cet enseignement, l’étudiant devrait être capable de :
- Comprendre et expliquer les principes généraux de l’intelligence artificielle en santé et des principales innovations numériques appliquées aux soins de santé ;
- Reconnaître les grandes familles d’approches d’intelligence artificielle et les principaux types de données mobilisés en santé ;
- Décrire des applications de l’intelligence artificielle dans le développement du médicament, la recherche clinique et la pratique pharmaceutique ;
- Interpréter de manière générale les performances d’un outil d’IA et identifier les principaux biais et limites ;
- Comprendre les enjeux éthiques, réglementaires, économiques et environnementaux associés à l’utilisation de l’IA en santé ;
- Apprécier de manière critique une publication scientifique ou une application numérique reposant sur l’intelligence artificielle.
Ces acquis d’apprentissage sont susceptibles d’être ajustés en fonction du calendrier, des ressources disponibles, du nombre d’étudiants inscrits et des besoins pédagogiques identifiés. Au besoin, ils seront précisés au début du cours et sur la plateforme Webcampus.
Cet enseignement vise à familiariser les étudiants en pharmacie avec les principes de l’intelligence artificielle et les innovations susceptibles de transformer les soins de santé et la pratique pharmaceutique.
Il devrait leur permettre de mieux comprendre les usages possibles de ces technologies en officine, à l’hôpital, en recherche, dans l’industrie pharmaceutique et au sein du système de santé.
L’objectif est également de développer une posture réflexive face à l’évolution rapide des technologies d’intelligence artificielle en santé, en considérant leurs effets potentiels sur les patients, les professionnels de santé, l’organisation des soins, l’équité et la durabilité du système de santé.
Le cours devrait aborder les thématiques suivantes :
1. Introduction aux principes généraux de l’intelligence artificielle : types, modèles et applications
2. Principales sources de données de santé pour développer l’intelligence artificielle
3. Applications dans le domaine pharmaceutique
4. Interprétation critique des outils d’innovation numérique et d’intelligence artificielle ;
5. Enjeux des outils d’innovation numérique et d’intelligence artificielle.
Le contenu est indicatif et pourra évoluer en fonction du calendrier, des ressources disponibles, des innovations récentes et des besoins pédagogiques identifiés. Au besoin, il sera précisé au début du cours et sur la plateforme Webcampus.
1. Innovation numérique et transformation des soins de santé
2. Principes généraux de l’intelligence artificielle en santé
3. Données de santé et principales familles de méthodes
4. Applications dans le développement et la surveillance des médicaments
5. Avantages et limites de l’intelligence artificielle en santé
6. Enjeux de l’intelligence artificielle en santé
Cette table des matières est indicative et pourra évoluer en fonction du calendrier, des ressources disponibles, des innovations récentes et des besoins pédagogiques identifiés. Au besoin, elle sera précisée au début du cours et sur la plateforme Webcampus.
Les travaux pratiques devraient favoriser une compréhension concrète des principes présentés au cours. Les étudiants pourraient notamment être amenés à :
- Explorer un outil simple d’intelligence artificielle ou une démonstration reposant sur des données de santé dans une situation réelle ou sur base de documents scientifiques ;
- Interpréter les résultats ou les potentiels généraux d’un modèle d’intelligence artificielle et en discuter l’utilité dans un contexte pharmaceutique ou clinique.
L’organisation précise des travaux pratiques, les outils mobilisés et les consignes seront communiqués au début du cours et sur la plateforme Webcampus.
L’enseignement devrait combiner des séances théoriques et une séance de travaux pratiques. Les attentes, l’organisation et les modalités de participation seront précisées au début du cours.
Les activités pourraient notamment comprendre :
- Des cours magistraux illustrés par des exemples issus de la pharmacie, de la médecine, de la -recherche et de l’organisation des soins ;
- Des démonstrations d’outils numériques ou d’intelligence artificielle afin d’en comprendre les principes, les possibilités et les limites ;
- Des travaux pratiques fondés sur des études de cas, des discussions critiques et des analyses de publications scientifiques, ou, éventuellement, des mises en situation liées aux besoins des professionnels de santé (hôpitaux, pharmacies, etc.) explorés par l’étudiant.
Ces modalités pourront être ajustées en fonction du calendrier, des ressources disponibles, du nombre d’étudiants inscrits et des besoins pédagogiques identifiés. Au besoin, elles seront précisées au début du cours et sur la plateforme Webcampus.
Les acquis d’apprentissage devraient principalement être évalués au moyen d’un examen écrit portant sur la matière effectivement enseignée et signalée comme matière d’examen lors du cours.
L’examen pourrait comprendre des questions à choix multiples et/ou des questions ouvertes à réponse courte et/ou une activité d’interprétation et de réflexion critique à partir d’une application, d’un résultat ou d’une situation liée à l’intelligence artificielle en santé.
La participation aux travaux pratiques est attendue, sans faire l’objet d’une notation. Les activités menées contribueront cependant à la préparation de l’examen.
Les modalités d’évaluation demeurent susceptibles d’adaptation dans le respect des règles institutionnelles. Au besoin, elles seront précisées au début du cours et sur la plateforme Webcampus.
Ouvrages de référence
- Shaban-Nejad A., Michalowski M., Buckeridge D.L., editors. Artificial Intelligence and Machine Learning in Health Care and Medical Sciences: Best Practices and Pitfalls. Springer; 2024.
- Reddy S., editor. Digital Health, AI and Generative AI in Healthcare. Springer; 2025.
Supports pédagogiques
Diapositives du cours mises à disposition sur Webcampus ;
Articles scientifiques, documents institutionnels et ressources techniques sélectionnés par l’enseignant.
| Formation | Programme d’études | Bloc | Crédits | Obligatoire |
|---|---|---|---|---|
| Master 120 en sciences pharmaceutiques | Finalité spécialisée | 1 | 2 | Oui |
| Master 120 en sciences pharmaceutiques | Finalité approfondie | 1 | 2 | Oui |