Université de Lille Intelligence artificielle : définition de l’outil idéal par et pour les médecins généralistes du Nord - Pas-de-Calais Médecine générale soins primaires intelligence artificielle IA santé numérique médecine assistée par ordinateur aide à la décision recherche qualitative 610 Intelligence artificielle en médecine Systèmes d'aide à la décision Soins de santé primaires Médecins généralistes Nord-Pas-de-Calais (France) Intelligence artificielle Dissertation universitaire Techniques d'aide à la décision Dissertation universitaire Soins de santé primaires Dissertation universitaire Médecins généralistes Dissertation universitaire Nous avons mené, entre février et mai 2024, une étude qualitative par théorisation ancrée. Notre objectif de recherche était d’interroger les médecins généralistes du Nord-Pas-de- Calais sur leurs attentes concernant les outils d’intelligence artificielle. Notre population de médecins généralistes était représentée par onze praticiens recrutés par échantillonnage raisonné théorique. Le recueil des données a été effectué par la réalisation d’entretiens semi-dirigés jusqu’à l’obtention de la saturation des données, cette dernière confirmée par deux entretiens de consolidation. Les médecins ont exprimé leurs exigences minimales en ce qui concerne l’IA dans leur pratique : ils attendent des outils simples d’utilisation, intégrés dans leurs logiciels métier et d’exécution rapide. Ils envisageaient l’IA comme une solution potentielle pour renforcer leurs compétences actuelles ou pour en acquérir de nouvelles. Ils se sont montrés favorables à l’utilisation de l’IA en pratique par les seuls professionnels de santé, l’investissant de qualités perçues comme importantes. D’autre part, ils décrivaient les limitations et les craintes qu’ils avaient concernant l’avènement de l’IA en santé. Ils faisaient le constat d’un système de soins sous tension et abordaient leurs propres limitations que l’IA pourrait lever sous certaines conditions. Il appartient aux développeurs de solutions d’IA de prendre en compte les besoins des utilisateurs finaux et de rassurer sur leur capacité à maîtriser les éléments qui inquiètent les médecins généralistes. Electronic Thesis or Dissertation Text fr application/pdf 1 : 0 Ko https://pepite-depot.univ-lille.fr/RESTREINT/Th_Medecine/2024/2024ULILM460.pdf Guiggi Alexandre 1995-03-17 FR 282692568 2024ULILM460 2024-11-07 Médecine générale Université de Lille (2022-...) thesis.degree.grantor_1 259265152 Doctorat de médecine non oui Ponchant Maurice intervenant_1 176563202 ddc:610 Ponchant Maurice Université de Lille (2022-...) Université de Lille Unicode PDF 50 restriction 2024-11-07 2027-11-10