Université de Lille Acceptabilité de l’intelligence artificielle comme aide au dépistage des cancers cutanés en médecine générale : étude auprès des médecins généralistes des Hauts-de-France Dépistage cancers cutanés médecins généralistes dermoscopie téléexpertise parcours de soins intelligence artificielle 610 Peau -- Cancer Prévention Dépistage Intelligence artificielle en médecine Médecins généralistes Hauts-de-France (France) Tumeurs cutanées prévention et contrôle Dépistage précoce du cancer méthodes Intelligence artificielle Médecins généralistes Contexte : En France, la diminution du nombre de dermatologues contraste avec l’augmentation constante de l’incidence des cancers cutanés. Les médecins généralistes, en première ligne du parcours de soins, sont régulièrement confrontés au dépistage des lésions cutanées, dans un contexte d’accès parfois difficile à un avis spécialisé. Ainsi l’intelligence artificielle pourrait constituer un outil d’aide au dépistage des cancers cutanés en soins primaires. Matériel et Méthodes : Il s’agit d’une étude quantitative, descriptive, observationnelle et transversale sous forme de questionnaire auprès des médecins généralistes des Hauts-de-France exerçant en ville. Résultats : 94 questionnaires ont été complétés. 75.5% des médecins généralistes interrogés étaient favorable à l’usage de l’intelligence artificielle comme aide au dépistage des cancers cutanés avec des bénéfices et des freins identifiés. Les principales difficultés rencontrées dans le dépistage des lésions cutanées suspectes concernaient le manque de formation, les délais d’accès aux dermatologues, ainsi que le manque de temps en consultation. La téléexpertise constituait la stratégie la plus utilisée pour la demande d’avis. Conclusion : Les médecins généralistes des Hauts-de-France semblent disposés à utiliser l’intelligence artificielle comme aide au dépistage des cancers cutanés. Son intégration nécessitera toutefois un encadrement médical et réglementaire adapté. Electronic Thesis or Dissertation Text fr application/pdf 1 : 0 Ko https://pepite-depot.univ-lille.fr/RESTREINT/Th_Medecine/2026/2026ULILM069.pdf Dekeyser Fiona 1994-05-18 FR 296672084 2026ULILM069 2026-04-02 Médecine générale Université de Lille (2022-...) thesis.degree.grantor_1 259265152 Doctorat de médecine non oui Quersin François intervenant_1 220046778 ddc:610 Quersin François Université de Lille (2022-...) Université de Lille Unicode PDF 50 restriction 2026-04-02 2028-04-01