Les fondamentaux de l’IA et des données dans les sciences de la vie

• Comprendre les principes de l’IA appliquée aux sciences de la vie
• Identifier les données exploitables en recherche et en production
• Évaluer les apports et les limites de l’IA pour un laboratoire

Chercheurs, responsables de laboratoire, data managers, DSI

Connaissances générales des activités d’un laboratoire pharma

• Définir les notions d’IA, d’apprentissage automatique et de données
• Identifier les sources de données d’un laboratoire de sciences de la vie
• Comprendre la structuration et la qualité des jeux de données de R&D
• Distinguer les usages de l’IA en découverte, développement et production
• Analyser les conditions de fiabilité d’un modèle prédictif en biotech
• Repérer les biais de données et leurs effets sur les résultats d’analyse
• Examiner la gouvernance des données et la traçabilité des traitements
• Apprécier les exigences de validation des systèmes numériques GxP
• Évaluer les risques de confidentialité des données de santé et de recherche
• Positionner un premier cas d’usage de l’IA dans un laboratoire

• Classer les sources de données d’un laboratoire par qualité
• Repérer les biais possibles dans un jeu de données de R&D
• Sélectionner un cas d’usage de l’IA adapté à un laboratoire

• Lexique de l’IA et des données dans les sciences de la vie
• Check list de qualité des données avant tout traitement par l’IA
• Fiche repère des cas d’usage de l’IA en laboratoire pharma