| Titre | La production des données de mortalité : Le perfectionnement des procédures de codage appuyé par l'apprentissage profond | |
|---|---|---|
| Auteur | Isabella Feroni | |
 |
Revue | Réseaux (communication - technologie - société) |
| Numéro | no 248, novembre-décembre 2024 Intelligences artificielles et médecine | |
| Rubrique / Thématique | Intelligences artificielles et médecine |
|
| Page | 193-226 | |
| Résumé |
La statistique des causes de mortalité est une des plus anciennes statistiques médicales disponibles. Informations essentielles pour la connaissance générale des états de santé nationaux et instruments de comparaison internationale, les données de mortalité constituent également un enjeu croissant pour la gouvernance de la santé publique, particulièrement en situation de crise. À partir de l'étude d'un corpus documentaire issu des organismes régulateurs et producteurs de ces données, l'article examine la trajectoire sociotechnique du codage des causes de mortalité et analyse le contexte de recours à une méthode d'apprentissage profond pendant la période du COVID. Mobilisant une perspective théorique croisant la sociologie des sciences et des techniques et de la quantification, il interprète l'intégration de méthodologies issues de l'IA de type connexionniste dans le processus de codage comme une étape supplémentaire de la trajectoire technique de l'outil engagée avec l'automatisation. Il éclaire également le contexte institutionnel de recours aux réseaux de neurones et de la consolidation de leur usage, en les rapportant aux fonctions récentes des statistiques de mortalité dans la gouvernance des crises sanitaires et des enjeux de disponibilité et de rapidité de leur production. Source : Éditeur (via Cairn.info) |
|
| Résumé anglais |
Cause-of-mortality statistics are one of the oldest medical statistics available. Mortality data, which provide essential information for general knowledge on a population's health, and are a tool for international comparisons, are also a growing challenge for the governance of public health, particularly in crisis situations. Based on a study of documents from the bodies that regulate and produce these data, the article examines the socio-technical trajectory of cause-of-mortality coding and analyses the context in which a deep-learning method was used during the COVID period. From a theoretical perspective combining the sociology of science and technology with the sociology of quantification, it interprets the integration of connectionist AI methodologies into the coding process as a further stage in the technical trajectory of the tool that began with automation. It also sheds light on the institutional context of the use of neural networks and the consolidation of that use, relating them to the recent functions of mortality statistics in the governance of health crises and issues around the availability and speed of their production. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | https://shs.cairn.info/revue-reseaux-2024-6-page-193?lang=fr |
