Recherche et développement

Performance algorithmique selon les populations

Nous étudions comment les outils d'IA de diagnostic et de prédiction se comportent lorsqu'ils sont évalués sur des populations de patients différant par la géographie, l'origine ethnique, le statut socioéconomique et le profil de comorbidité — et nous publions ce que nous trouvons, y compris les résultats nuls.

Conception d'essais cliniques pour les interventions d'IA

Nous développons et affinons des cadres méthodologiques pour les essais cliniques prospectifs des outils d'IA pour la santé, en abordant les défis statistiques et éthiques particuliers qui se posent lorsque l'intervention est un algorithme adaptatif.

Qualité et représentativité des données

Nous étudions la structure et les limites des données de santé utilisées pour entraîner et valider les systèmes d'IA clinique, avec une attention particulière à la provenance des données, aux pratiques d'étiquetage et aux conditions dans lesquelles une dérive de la distribution d'entraînement se produit lors du déploiement clinique.