L'IA passe à l'échelle : des millions de cellules et de courbes analysées | Veille IA & sciences du vivant

En génétique cellulaire, PIANO [64] modélise l'expression génique de façon générative et intègre plus de 100 millions de cellules, tandis que TriSCOPE [85] relie 27 couples gène-type cellulaire à des loci de risque héréditaire de la maladie d'Alzheimer. En biologie médicale, la distance de Mahalanobis détecte 99,1 % des anomalies synthétiques de courbes réactionnelles à 98,4 % de spécificité sur 22,8 millions de courbes, et surpasse les modèles profonds testés [124]. En microbiologie et en pathologie, un comptage bactérien par FISH assisté par deep learning vise un diagnostic sans culture [40], et une méta-analyse diagnostique couvre 14 études sur l'évaluation par IA du statut HER2 [23]. Ces résultats restent suggérés plutôt que démontrés : une revue critique de la radiomique de la xérostomie relève un score RQS moyen de 14/36 [16], et une revue systématique du glaucome souligne les obstacles à la translation clinique [18]. Côté revues en français, la néphrologie montre que l'apprentissage automatique n'apporte qu'un gain marginal sur EKFC ou CKD-EPI à variables égales [132].

Médecine et physiopathologie

5 publications

Les cinq publications retenues sont surtout des revues systématiques ou critiques, avec une seule étude originale solide, en réanimation.

Méthodes d'intelligence artificielle pour l'évaluation du statut HER2 : revue systématique et méta-analyse diagnostique

Abdominal radiology (New York) · 12 novembre 2026 · V S, Das CJ

Artificial intelligence methods for HER2 status assessment: a systematic review and diagnostic meta-analysis

Revue systématique suivant PRISMA 2020 (51 études, dont 14 en méta-analyse diagnostique) des méthodes d'IA pour le statut HER2, du machine learning aux Vision Transformers et à l'IA multimodale.

Apport de l'IA: Taxonomie méthodologique qui standardise la comparaison des approches IA.
Limites: Performance poolée fondée sur 14 études seulement, sur 51 retenues.

Intelligence artificielle dans le diagnostic et la prise en charge du glaucome : revue systématique 2015-2026

Expert review of medical devices · 9 novembre 2026 · Arjunan SP, Parihar P, Ngo Q et al.

Artificial intelligence in glaucoma diagnosis and management: a systematic review of the past decade (2015-2026)

Revue systématique PRISMA (63 études retenues sur 3 758 références) sur le deep learning appliqué au fond d'œil, à l'OCT et aux champs visuels pour le dépistage et le suivi du glaucome.

Apport de l'IA: Synthèse comparative des modalités d'imagerie et des stratégies de validation.
Limites: Études hétérogènes en jeux de données et en protocoles de validation.

Intelligence artificielle en dialyse

Current opinion in nephrology and hypertension · 6 novembre 2026 · Usvyat LA

Artificial intelligence in dialysis

Revue faisant le point sur l'IA en hémodialyse : dosage d'ESA guidé par IA, comparable au dosage médical dans un essai randomisé, et ajustement du poids sec par technologie, repris d'une méta-analyse de 21 essais.

Apport de l'IA: Met en regard les premiers essais randomisés et les cadres de gouvernance des sociétés savantes.
Limites: Revue narrative : sélection des sources non systématique, essais repris sans réanalyse.

Prédiction de la xérostomie radio-induite dans les cancers de la tête et du cou : revue critique de la radiomique et du machine learning

The Journal of laryngology and otology · 9 novembre 2026 · Jones-Anderson N, Mill A, Rushton S et al.

Predicting radiation-induced xerostomia in head and neck cancer: a critical review of radiomics, machine learning and methodological quality

Revue de 22 études sur la prédiction de la xérostomie après radiothérapie ; les approches delta-radiomique et deep learning sont les plus performantes, mais les gains restent modestes.

Apport de l'IA: Évalue la qualité méthodologique des études avec le Radiomics Quality Score.
Limites: Score RQS moyen de 14/36 ; peu de validations externes et d'études prospectives.

Modèle de machine learning interprétable pour la mortalité hospitalière des patients de réanimation atteints de syndrome cardiorénal

Expert review of molecular diagnostics · 11 novembre 2026 · Xia Z, Peng Z, Xu P

Creation and verification of an interpretable machine learning model for forecasting in-hospital results in Cardiorenal syndrome patients in critical condition

Un réseau de neurones entraîné sur MIMIC-IV (n = 6 668) et évalué sur eICU-CRD (n = 3 602) prédit la mortalité hospitalière à partir de six variables cliniques, avec une AUC de 0,810.

Apport de l'IA: Modèle interprétable par SHAP, à six variables dont le stade d'atteinte rénale aiguë.
Limites: Sous-échantillonnage aléatoire 1:1 pour l'entraînement ; données de bases publiques.

Immunologie et microbiologie

5 publications

Cinq publications retenues : une étude de comptage bactérien, une protéomique salivaire dans les MICI pédiatriques, un protéome structuré par AlphaFold et deux revues sur la résistance et le diagnostic fongique.

Hybridation FISH sur billes magnétiques et apprentissage profond pour l'identification multiplexe et le comptage numérique des bactéries pathogènes

ACS sensors · 11 novembre 2026 · Kong L, Yan S, Wang J et al.

Deep Learning-Enabled Magnetic Bead-Capture Fluorescence In Situ Hybridization Enables Multiplex Identification and Digital Counting of Pathogenic Bacteria

Plateforme sans culture préalable qui couple FISH sur billes magnétiques et comptage numérique assisté par deep learning pour identifier et dénombrer des bactéries pathogènes, dans le contexte des infections urinaires.

Apport de l'IA: Le deep learning remplace le comptage manuel, subjectif, des cellules fluorescentes.
Limites: Performances cliniques et taille de cohorte non précisées dans le résumé.

Machine learning interprétable appliqué à la protéomique salivaire dans les maladies inflammatoires chroniques de l'intestin pédiatriques

Inflammatory bowel diseases · 9 novembre 2026 · Rupp BT, Reyna J, Giunta A et al.

Interpretable machine learning applied to high-dimensional salivary proteomics in pediatric inflammatory bowel diseases

Une signature minimale de protéines salivaires, obtenue par élimination récursive de variables sur un panel NULISAseq, permet de classer les MICI pédiatriques (maladie de Crohn, RCH, MICI non classée).

Apport de l'IA: Signature minimale interprétable, sur un prélèvement non invasif.
Limites: Étude de preuve de concept ; effectif et validation externe non précisés dans le résumé.

Analyse structurale du protéome de Treponema pallidum par AlphaFold : prédictions plus claires des attributs biologiques et pathogènes

Microbiology spectrum · 12 novembre 2026 · Kaval KG, Parker E, Nguyen A et al.

AlphaFold-based structural analysis of the <i>Treponema pallidum</i> proteome provides a clearer prediction of the organism's biological and pathogenic attributes

Modèles structuraux AlphaFold et recherche de similarité FoldSeek pour environ 92 % des protéines de la souche Nichols, afin d'attribuer une fonction aux protéines sans fonction connue.

Apport de l'IA: Attribution fonctionnelle par structure pour des protéines sans homologue reconnu.
Limites: Fonctions proposées par prédiction, à confirmer expérimentalement.

Intelligence artificielle et dermatophytoses : vers un meilleur diagnostic clinique et une meilleure prise en charge

Journal de mycologie medicale · 6 novembre 2026 · Li W, Liu W, Liang G et al.

Artificial intelligence in dermatophytosis: Toward better clinical diagnosis and management

Revue des applications du machine learning et du deep learning aux photographies cliniques, à l'imagerie cutanée non invasive et au diagnostic de laboratoire des dermatophytoses, y compris le risque de résistance.

Apport de l'IA: Couvre aussi le suivi, l'observance et le repérage de la résistance aux antifongiques.
Limites: Revue de littérature sans méthode systématique décrite dans le résumé.

Concilier généralisabilité et reproductibilité dans la prédiction de la résistance aux antimicrobiens par machine learning

mSphere · 6 novembre 2026 · Elseifi N, Rogers H, Ferraro M et al.

Bridging generalizability and reproducibility in machine learning-based antimicrobial resistance prediction

Revue des facteurs qui limitent la généralisabilité des modèles de prédiction de la résistance bactérienne à partir de génomes : jeux de données, phénotypes, prétraitements et validation.

Apport de l'IA: Cadre pour juger si un prédicteur génomique de résistance restera fiable hors de ses données.
Limites: Revue conceptuelle, sans comparaison quantitative des modèles.

Génétique et biologie cellulaire

5 publications

Cinq publications retenues, dont deux études à très grande échelle sur cellules uniques et une analyse explicable de l'évolution des génomes polyploïdes.

PIANO permet la modélisation générative de l'expression génique et l'intégration multi-omique à 100 millions de cellules

Cell reports methods · 12 novembre 2026 · Wang N, Cardenas C, Nieto-Caballero VE et al.

PIANO enables generative modeling of gene expression and scales multi-omics integration to 100 million cells

Autoencodeur probabiliste à modèle génératif de l'expression génique, qui corrige les effets batch, s'entraîne dix fois plus vite que les méthodes antérieures et intègre plus de 100 millions de cellules.

Apport de l'IA: Modèle génératif de l'expression, au-delà de la simple intégration de données.
Limites: Gains de vitesse et de robustesse à vérifier sur des jeux de données extérieurs.

Le machine learning sur cellules uniques révèle des programmes génétiquement ancrés de la maladie d'Alzheimer

Nature communications · 9 novembre 2026 · Madduri AV, Ellis RJ, Lakhani CM et al.

Single-cell machine learning uncovers genetically anchored, cell-type specific programs of Alzheimer's disease

TriSCOPE combine modèles prédictifs multivariés et analyse différentielle sur 4,2 millions de noyaux issus de 627 donateurs, et identifie 27 couples gène-type cellulaire soutenus par colocalisation GWAS-eQTL.

Apport de l'IA: Gènes prédictifs souvent invisibles à l'analyse différentielle classique.
Limites: Signal prédictif et colocalisation : lien causal non établi.

L'IA explicable identifie la recombinaison et l'environnement chromatinien comme prédicteurs clés de l'évolution des sous-génomes chez le maïs et Brassica

Science advances · 6 novembre 2026 · Schuster LA, Liu B, Silva JCF et al.

Explainable AI identifies recombination and chromatin environment as key predictors of subgenome evolution in maize and <i>Brassica</i>

Modèles supervisés sur 60 caractéristiques génomiques et épigénomiques chez le maïs et 45 chez B. rapa classent les gènes par sous-génome ; la recombinaison est le facteur le plus influent.

Apport de l'IA: L'IA explicable révèle des facteurs peu différents en moyenne entre sous-génomes.
Limites: Association prédictive sur deux espèces modèles ; pas de lien causal démontré.

L'IFI16 endothéliale favorise la vasculopathie et le remodelage fibrosant dans la sclérodermie systémique via la voie JAK/STAT

Rheumatology (Oxford, England) · 12 novembre 2026 · Huang L, Wang L, Ye W et al.

Endothelial IFI16 drives vasculopathy and profibrotic remodeling in systemic sclerosis by activating JAK/STAT signaling

Un criblage par machine learning sur RNA-seq public identifie IFI16 comme régulateur de l'interféron associé à la fibrose cutanée ; son expression endothéliale est confirmée en scRNA-seq, en spatial et en immunofluorescence.

Apport de l'IA: Criblage ML sur données publiques, puis validation par scRNA-seq et transcriptomique spatiale.
Limites: Mécanisme testé sur cellules endothéliales surexprimant IFI16 ; pas de modèle animal dans le résumé.

PhysInfer : réseau de neurones contraint par la physique pour l'inférence de la transcription en bouffées à partir de scRNA-seq

PLoS computational biology · 11 novembre 2026 · Zeng X, Zhang J, Li S et al.

PhysInfer: A physics-constrained neural network for adaptive inference of transcriptional bursting from single-cell RNA-seq

Réseau de neurones contraint par la physique qui infère taille et fréquence des bouffées transcriptionnelles à partir de données scRNA-seq statiques, avec sélection adaptative du modèle.

Apport de l'IA: Paramétrage macroscopique interprétable, identifiable dans des données statiques.
Limites: Validation sur données synthétiques ; récupération fiable limitée à certains régimes d'activation.

Biochimie et biologie structurale

5 publications

Cinq publications retenues, qui relèvent surtout de la prédiction de fonction des protéines et de la validation des biais des modèles.

EZpred : amélioration de la prédiction de fonction enzymatique par apprentissage profond à l'aide d'homologues non annotés

Advanced science (Weinheim, Baden-Wurttemberg, Germany) · 10 novembre 2026 · Zhang C, Liu Q, Freddolino L

EZpred: Improving Deep Learning-Based Enzyme Function Prediction Using Unlabeled Sequence Homologs

Modèle qui extrait les caractéristiques de séquence d'homologues sans leurs étiquettes de fonction, à partir du modèle de langage ESM-C, pour prédire les termes GO et les numéros EC.

Apport de l'IA: Exploite les homologues non annotés, ignorés par les modèles existants.
Limites: Performances comparatives et jeux de test non détaillés dans le résumé.

Prédiction de la fonction des protéines bactériennes par apprentissage profond multimodal

Genome research · 6 novembre 2026 · Miklautz L, Fernandez L, Muzio G et al.

Bacterial protein function prediction via multimodal deep learning

DeepEST prédit les termes GO des protéines bactériennes par combinaison d'un perceptron sur expression et localisation génique et d'un module structural fondé sur structures prédites et séquences.

Apport de l'IA: Exploite la cotranscription des gènes en opérons, propre aux bactéries.
Limites: Gains quantitatifs par rapport aux méthodes existantes non précisés dans le résumé.

SilicoTox : apprentissage automatique interprétable pour la priorisation des dangers moléculaires, avec analyse du biais de provenance des bases

Toxicology mechanisms and methods · 10 novembre 2026 · Choudhary R, Munikoti Srikantamurthy M, Bhowmick S et al.

SilicoTox: interpretable machine learning for molecular hazard prioritization, with analysis of database provenance bias and benchmarking across nine defined toxicity endpoints

Comparaison contrôlée de représentations, d'algorithmes et de provenance des données sur 8 545 molécules. Le modèle de provenance sépare composés annotés comme dangereux et médicaments approuvés : il mesure un biais de base, non une toxicité.

Apport de l'IA: Sépare représentation, algorithme et provenance dans la performance annoncée.
Limites: Le modèle de provenance n'est pas un critère toxicologique ; usage de priorisation seulement.

Échantillonnage renforcé à précision quantique et repliement de mini-protéines par échange de répliques avec potentiels neuronaux multi-échelles

Chemical science · 9 novembre 2026 · Solazzo R, Gordiy I, Riniker S

Quantum-accurate enhanced sampling and mini-protein folding through replica exchange for multiscale neural network potentials

Adaptation de REST2 au potentiel neuronal équivariant AMP-BMS en simulation ML/MM. Validée sur plusieurs systèmes peptidiques en solvant explicite, elle permet un échantillonnage renforcé des barrières.

Apport de l'IA: Ne met à l'échelle que les interactions du soluté, ce qui réduit le nombre de répliques.
Limites: Validation limitée à quelques systèmes peptidiques.

GPCRAgent : plateforme multi-agents intégrant graphes de connaissances et grands modèles de langage pour la découverte de médicaments ciblant les GPCR

Journal of advanced research · 9 novembre 2026 · Xiao W, Zhou Q, Yang Z et al.

GPCRAgent: an intelligent multi-agent platform integrating knowledge graphs and large language models for GPCR-targeted drug discovery

Système multi-agents qui combine recherche vectorielle dans un graphe de connaissances et LLM pour répondre à des questions sur les GPCR : fonctions, propriétés structurales, cibles de maladies et recommandation de ligands.

Apport de l'IA: Raisonnements traçables fondés sur un graphe de connaissances, et pas seulement sur un LLM.
Limites: Résultats d'évaluation non chiffrés dans le résumé.

Biotechnologies et bioprocédés

4 publications

Quatre publications retenues, dont deux revues sur l'IA en biologie de synthèse, une revue sur le microbiome du rumen et une revue sur l'impression 4D.

kinGEMs : cadre robuste et extensible pour des modèles à contraintes de ressources, par ajustement stochastique de paramètres cinétiques prédits par apprentissage profond

PLoS computational biology · 6 novembre 2026 · A Barghout R, Chiñas Serrano L, Sanchez-Lengeling B et al.

kinGEMs: A robust and scalable framework for resource-constraint models through stochastic tuning of deep learning-predicted kinetic parameters

CPI-Pred prédit les constantes kcat et kinGEMs les intègre, avec leur incertitude, dans des modèles métaboliques contraints par les enzymes. Les flux prédits sont cohérents avec les observations et leur variabilité médiane baisse de plusieurs facteurs.

Apport de l'IA: Propage l'incertitude des kcat prédits par deep learning dans le modèle métabolique.
Limites: Gains mesurés sur les organismes du benchmark ; généralisation à évaluer.

Biologie de synthèse pilotée par l'IA : promesses et défis

Advances in biochemical engineering/biotechnology · 10 novembre 2026 · Zhao W, Yao TT, Li HM et al.

Artificial Intelligence-Driven Synthetic Biology Promises and Challenges

Revue des applications de l'IA à l'ingénierie de parties génétiques, de circuits, du métabolisme et du génome, avec les verrous liés aux données standardisées et à la généralisation des modèles.

Apport de l'IA: Panorama par niveau d'ingénierie : parties, circuits, métabolisme, génome.
Limites: Revue narrative sans méthode de recherche détaillée dans le résumé.

Ingénierie du microbiome du rumen assistée par IA pour réduire les émissions de méthane des ruminants

Biotechnology advances · 8 novembre 2026 · Zhao Y, Chen Y, Tan J et al.

AI-enabled rumen microbiome engineering for methane mitigation in ruminants

Revue qui traite le méthane entérique comme un problème d'ingénierie contraint : jeux de données prêts pour l'IA, prédiction multimodale et découverte causale de cibles contrôlables.

Apport de l'IA: Distingue la prédiction de la cause et des cibles réellement contrôlables.
Limites: Revue prospective : les interventions proposées restent à valider.

Apprentissage automatique en impression 4D d'hydrogels intelligents : avancées, défis et perspectives de transfert

Annals of biomedical engineering · 6 novembre 2026 · Almansour S, Alkwai LM, Yadav K et al.

Machine Learning in Smart Hydrogel 4D Printing: Advances, Challenges, and Translational Perspectives

Revue des usages de l'IA (ML, deep learning, modèles génératifs) pour la formulation, le contrôle de procédé, l'optimisation structurale et la prédiction des résultats biologiques d'hydrogels imprimés en 4D.

Apport de l'IA: Distingue modèles rétrospectifs et implémentations validées prospectivement.
Limites: Domaine encore précoce ; peu d'implémentations validées prospectivement.

Qualité, sécurité et réglementation

5 publications

Cinq publications retenues : un contrôle qualité en biologie médicale, une assurance qualité en radiothérapie et trois revues sur la pharmacovigilance, l'évaluation du risque chimique et les dispositifs médicaux.

Détection d'anomalies sur courbes réactionnelles en biologie clinique : la distance de Mahalanobis surpasse les modèles profonds avec peu de données

Clinica chimica acta; international journal of clinical chemistry · 11 novembre 2026 · Nakagawa T, Tohma S, Ueda J et al.

Multidimensional Mahalanobis distance outperforms deep-learning baselines for sample-efficient rolling-window anomaly detection in clinical chemistry reaction curves

Sur 22,8 millions de courbes issues de trois analyseurs, la distance de Mahalanobis (500 courbes d'apprentissage) détecte 99,1 % des anomalies synthétiques à 98,4 % de spécificité, sur 21 dosages.

Apport de l'IA: Méthode statistique simple, efficace avec peu de courbes récentes d'apprentissage.
Limites: Anomalies majoritairement synthétiques ; un seul cas réel d'interférence M-protéine.

Prédiction par machine learning des résultats de dosimétrie in vivo par EPID à partir de la complexité du plan et des contrôles qualité

Physical and engineering sciences in medicine · 10 novembre 2026 · Saiyo N, Kojima H, Noto K et al.

Machine learning prediction of electronic-portal-imaging-device-based in vivo dosimetry results using plan complexity metrics, machine output and gamma passing rate: a feasibility study

Un modèle d'ensemble d'arbres prédit les écarts de dose in vivo par EPID pour des plans VMAT, à partir de 17 métriques de complexité, des taux de gamma et des contrôles de sortie de l'accélérateur, chez 40 patients ORL.

Apport de l'IA: Anticipe les écarts avant la délivrance au lieu de les détecter après coup.
Limites: Étude de faisabilité sur 40 patients, une seule localisation tumorale.

Pharmacovigilance pilotée par l'IA : détection de signaux, surveillance en vie réelle et décisions réglementaires

Expert opinion on drug safety · 9 novembre 2026 · Kumar S, Chaturvedi S

Artificial intelligence-driven pharmacovigilance: transforming signal detection, real-world drug safety monitoring, and regulatory decision-making

Revue de l'apport du machine learning, du deep learning et du NLP à la détection de signaux, à l'extraction de la littérature et à l'analyse des dossiers électroniques et des réseaux sociaux, avec les LLM et l'apprentissage fédéré.

Apport de l'IA: Met en regard les usages actuels et les technologies émergentes, dont les LLM.
Limites: Revue de synthèse ; méthode de sélection non précisée dans le résumé.

Associer méthodes NAM et intelligence artificielle : vers l'évaluation des risques chimiques de nouvelle génération

Environmental pollution (Barking, Essex : 1987) · 9 novembre 2026 · Zheng Z, Xu Y, Xue L et al.

Synergizing New Approach Methodologies and Artificial Intelligence: Charting the Paradigm Shift Toward Next-Generation Chemical Risk Assessment

Revue montrant comment micro-systèmes physiologiques, criblage à haut contenu, multi-omique et outils in silico, couplés à l'IA, permettent une évaluation du risque chimique, de l'identification du danger à la caractérisation du risque.

Apport de l'IA: Relie données mécanistiques et modèles IA sur toute la chaîne d'évaluation.
Limites: Cadre conceptuel, sans étude de cas quantitative dans le résumé.

Intégrer l'intelligence artificielle dans les systèmes qualité des dispositifs médicaux et la pratique de soins

Expert review of medical devices · 6 novembre 2026 · Singh M, Syed NN, Singh G et al.

Integrating artificial intelligence into medical device quality systems and health-care practice

Revue des usages de l'IA en contrôle et assurance qualité des dispositifs médicaux, dans le cadre du QMSR, de la norme ISO 13485 et de la validation logicielle (Computer Software Assurance).

Apport de l'IA: Relie validation logicielle, supervision humaine et gestion du cycle de vie des modèles.
Limites: Revue narrative sur sources ciblées, sans méthode systématique.

Revues générales en français

4 publications

Quatre revues générales en français portent sur l'IA en psychiatrie et en néphrologie, avec un regard critique sur les preuves et les conditions d'usage clinique.

L'intelligence artificielle en psychiatrie de l'enfant et de l'adolescent : revue critique des usages, des preuves et des enjeux relationnels

L'Encephale · 21 octobre 2026 · Bonnot O, Mouhoud T, Shadili G et al.

[Artificial intelligence in child and adolescent psychiatry: A critical review of uses, evidence and relational stakes]

Revue critique des usages de l'IA pour le TSA, le TDAH et la dépression avec risque suicidaire chez l'enfant et l'adolescent. Elle met en évidence la fragilité des preuves et les enjeux éthiques, de sécurité et relationnels propres à cette population.

Apport de l'IA: Classe les usages par domaine (TSA, TDAH, dépression) et par niveau de preuve.
Limites: Revue critique de littérature, méthode de sélection non systématique.

Quand les machines estiment la fonction rénale et prédisent le risque : applications cliniques de l'apprentissage automatique

Nephrologie & therapeutique · 27 octobre 2026 · Lanot A, Boyer A, Florens N et al.

When machines estimate kidney function and predict risk: Clinical applications of machine learning

Revue des deux principaux usages de l'apprentissage automatique en néphrologie : estimation du DFG et prédiction de la progression de la MRC. Les grandes études multicentriques ne montrent qu'un gain marginal par rapport à EKFC ou CKD-EPI à variables égales.

Apport de l'IA: Replace les gains réels de l'apprentissage automatique face aux équations modernes.
Limites: Revue de la littérature, sans méthode de recherche précisée.

Modèles d'apprentissage automatique pour prédire l'adhésion, la non-adhésion et les perdus de vue du traitement de la tuberculose dans les pays à revenu faible ou intermédiaire : revue systématique PRISMA 2020 et méta-analyse illustrative

Annals of African medicine · 23 octobre 2026 · Kumar S, Mahato SK, Kumar H et al.

Machine Learning Models for Predicting Tuberculosis Treatment Adherence, Nonadherence, and Loss to Follow-up in Low- and Middle-income Countries: A Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020-compliant Systematic Review and Illustrative Meta-analysis

Revue systématique PRISMA 2020 des modèles de machine learning prédisant l'adhésion au traitement de la tuberculose, avec méta-analyse à effets aléatoires des AUC transformées en logit, hétérogénéité et biais de publication.

Apport de l'IA: Synthèse quantitative des performances prédictives sur un enjeu de santé publique précis.
Limites: Modèles hétérogènes ; méta-analyse présentée comme illustrative, à lire avec prudence.

Chatbots thérapeutiques en psychiatrie : entre simulation relationnelle et refonte du soin

L'Encephale · 21 octobre 2026 · Bourla A, Bechmann M, Couette M et al.

[Therapeutic chatbots in psychiatry: Between relational simulation and the reshaping of care]

Revue conceptuelle et narrative des agents conversationnels en santé mentale : typologie, usages cliniques, données d'efficacité et d'acceptabilité, et enjeux théoriques et éthiques de leur intégration.

Apport de l'IA: Analyse les chatbots au regard de l'alliance thérapeutique et de l'autonomie du patient.
Limites: Revue narrative et conceptuelle, sans méthode systématique.

Méthode. 33 publications retenues parmi 136 analysées, sélectionnées dans Europe PMC (644 résultats), uniquement des articles publiés dans des revues à comité de lecture : ni prépublications, ni éditoriaux, lettres ou commentaires. Publications de la semaine pour les thèmes disciplinaires ; publications en français des 30 derniers jours pour les revues générales, sans reprendre celles déjà présentées. Sélection et résumés rédigés automatiquement par claude-haiku-5-5 à partir des seuls résumés des articles ; les liens mènent aux sources originales.

Synthèse générée par IA : vérifiez toujours l'article original avant de vous appuyer sur un résultat. Ce contenu ne constitue pas un avis médical.