Bannière

Librairie

École virtuelle d’automne sur l’éthique, les impacts sociétaux et la réglementation de l’IA en santé

Présenté par

Institut intelligence et données

En ligne

Activités de formation

À propos de cet événement : 
L’École vise à offrir un portrait détaillé des différents enjeux éthiques associés à l’analyse et à la valorisation des données de santé lorsque soutenues par des approches d’intelligence artificielle (IA). Les enjeux éthiques et juridiques liés à l’utilisation des données et des systèmes d’IA dans le milieu de la santé seront passés en revue, de même que les risques et les enjeux liés à l’adoption de ces systèmes, ainsi que les outils et cadres existants les soutenant.
Quelles thématiques seront abordées?

  • Introduction aux concepts de base en éthique
  • Formalisation et institutionnalisation de l’éthique en IA
  • Présentation des chartes éthiques en IA et de l’approche Ethics By Design
  • Inventaire d’outils éthiques adaptés au domaine de la santé
  • Implémentation de l’IA de façon responsable dans les organisations de santé
  • Regard sur les principaux enjeux éthiques de l’intelligence artificielle
  • Survol des principaux enjeux juridiques en santé

Vos formateurs :

  • Sylvain Auclair, candidat au doctorat en philosophie, Université Laval
  • Luc Bégin, professeur, Faculté de philosophie, Université Laval
  • Pierre-Luc Déziel, professeur, Faculté de droit, Université Laval
  • Karine Gentelet, professeure, Département des sciences sociales, UQO
  • Lyse Langlois, professeure, Faculté des sciences sociales, Université Laval
  • Joé T. Martineau, professeure, Département de management, HEC Montréal
  • Annie Passalacqua, candidate au doctorat en innovation, Polytechnique Montréal
  • Cécile Petitgand, conseillère spécialisée en accès aux données de santé
  • Catherine Régis (co-chercheure FONCER), professeure, Faculté de droit, Université de Montréal
  • Bryn William-Jones, professeur, École de santé publique, Université de Montréal
     

Découvrir

Projet en vedette

Ce projet de recherche vise à développer un outil capable de générer automatiquement des segmentations d’organes d’intérêt sur des images tomodensitométriques, à partir de techniques d’apprentissage automatique (machine learning).

Lire plus