Скачать или смотреть IA Générative en Santé | Clinical Applications & Ethical Challenges – Dr Ohayon

Dans cette intervention consacrée à l’intelligence artificielle générative en santé, le Dr Stéphane Ohayon analyse les transformations majeures et les défis liés à l’intégration de l’IA en médecine.

Des fondamentaux du machine learning et du deep learning aux modèles génératifs (LLM), il rappelle que l’IA générative reste une forme d’IA dite “faible”, capable de produire du contenu sans compréhension réelle ni autonomie générale.

En pratique, l’IA soutient déjà l’imagerie médicale, la détection précoce d’anomalies, la transcription automatisée des consultations, la génération de comptes rendus et l’aide à la décision clinique. Elle contribue également à l’organisation des soins et à la synthèse des connaissances médicales.

Cependant, son efficacité dépend fortement de la qualité des prompts, de la contextualisation et de la supervision humaine. Les enjeux majeurs concernent la protection des données de santé, les biais algorithmiques, la transparence des modèles et la responsabilité médicale.

L’IA générative doit s’inscrire dans un cadre éthique, réglementaire et humain solide, afin de renforcer la qualité des soins sans se substituer au professionnel de santé.

👉 Synthèses complètes, replays vidéo et présentations (PDF) disponibles sur : 🌐 www.prevention-longevite.org

🌍 ENGLISH VERSION
In this lecture on generative AI in healthcare, Dr Stéphane Ohayon explores the transformations and challenges associated with integrating artificial intelligence into medicine.

From machine learning and deep learning to large language models (LLMs), he emphasizes that generative AI remains a form of “narrow AI,” capable of producing content without true understanding or general autonomy.

In clinical practice, AI already supports medical imaging, early anomaly detection, automated consultation transcription, report generation, and clinical decision support. It also contributes to knowledge synthesis and healthcare organization.

However, output quality strongly depends on precise prompting and contextualization. Key challenges include health data protection, algorithmic bias, transparency, explainability, and medical responsibility.

Generative AI must operate within a strong ethical and regulatory framework, enhancing, rather than replacing, human clinical expertise.

Organized by H.B.T Group France 🌐 www.hbtgroup-france.com