Une IA sûre et équitable en santé

Propre à cette référence.

Niveaux

1. Sensibilisation

Vous pouvez :

• expliquer comment un modèle peut nuire aux patients, par exemple par des biais, une dérive ou une confiance excessive dans ses résultats
• expliquer pourquoi les modèles doivent être validés sur la population avec laquelle ils seront utilisés

2. Pratique

Vous pouvez :

• mesurer la performance d'un modèle pour différents groupes de patients et signaler les écarts
• documenter l'usage prévu d'un modèle, ses données d'entraînement et ses limites connues, par exemple dans une fiche de modèle
• apporter des preuves sur un modèle à un dossier de sécurité clinique

3. Confirmé

Vous pouvez :

• planifier avec les collègues cliniques la validation, l'évaluation des biais et la surveillance en production d'un modèle
• décider quand un modèle doit être réentraîné, restreint ou retiré
• conseiller les équipes sur les cas où un modèle peut être réglementé comme dispositif médical et sur les preuves nécessaires

4. Expert

Vous pouvez :

• fixer les normes de l'organisation pour garantir et surveiller l'IA dans les soins
• diriger l'assurance des modèles à haut risque avant et après leur déploiement
• représenter l'organisation auprès des régulateurs et des partenaires sur une IA sûre et équitable

Compétences ESCO les plus proches

• principles of artificial intelligence (correspondance large)
• data ethics (correspondance large)

Contains ESCO v1.2.1 data (https://esco.ec.europa.eu/). © European Union. Reuse authorised under Commission Decision 2011/833/EU.

Niveaux de rôle qui attendent cette compétence