Abstract

Rationale, aims and objectives: Artificial intelligence and big data are more and more used in medicine, either in prevention, diagnosis or treatment, and are clearly modifying the way medicine is thought and practiced. Some authors argue that the use of artificial intelligence techniques to analyze big data would even constitute a scientific revolution, in medicine as much as in other scientific disciplines. Moreover, artificial intelligence techniques, coupled with mobile health technologies, could furnish a personalized medicine, adapted to the individuality of each patient. In this paper we argue that this conception is largely a myth: what health professionals and patients need is not more data, but data that are critically appraised, especially to avoid bias.

Methods: In this historical and conceptual article, we focus on two main problems: first, the data and the problem of its validity; second, the inference drawn from the data by AI, and the establishment of correlations through the use of algorithms. We use examples from the contemporary use of mobile health (mHealth), i.e. the practice of medicine and public health supported by mobile or wearable devices such as mobile phones or smart watches.

Results: We show that the validity of the data and of the inferences drawn from these mHealth data are likely to be biased. As biases are insensitive to the size of the sample, even if the sample is the whole population, artificial intelligence and big data cannot avoid biases and even tend to increase them.

Conclusions: The large amount of data thus appears rather as a problem than a solution. What contemporary medicine needs is not more data or more algorithms, but a critical appraisal of the data and of the analysis of the data. Considering the history of epidemiology, we propose three research priorities concerning the use of artificial intelligence and big data in medicine.

Keywords: artificial intelligence; bias; big data; evidence-based medicine; mHealth; philosophy of medicine.

RESUME. L’objectif de cet article est de jeter une lumière nouvelle sur ce que les épidémiologistes appellent le « biais de Berkson », sans doute le biais le plus connu de l’histoire de l’épidémiologie. En effet, l’historien des sciences ne peut qu’être interloqué par l’actualité de la critique de Berkson, dont l’article date pourtant de 1946. Il y a selon nous deux raisons à cela : la première est que son article constitue la première démonstration algébrique d’un « biais de sélection » ; la seconde, qui fait l’objet de notre étude, est que son article critique la capacité même de toute étude épidémiologique à prouver une relation causale, et par là met en cause la scientificité de l’épidémiologie.

***

ABSTRACT. The main goal of this article is to provide a new insight on what epidemiologists call « Berkson’s bias », undoubtedly the most famous bias in the history of epidemiology. The historian of science can only be startled by the fact that Berkson’s critic is still relevant, though his article dates back to 1946. According to us, there are two main reasons to that situation: the first one is that his paper is the earliest algebraic analysis of a « selection bias » ; the second reason, which is the the subject of our study, is that his article casts doubt on the very capacity of any epidemiological study to prove a causal relationship, and hence questions the scientificity of epidemiology.

Ce Manuel d’épistémologie pour l’ingénieur.e vient combler une lacune : les étudiants en école d’ingénieurs, tout comme les ingénieurs en exercice, ne disposent d’aucun manuel dédié qui leur permettrait d’aborder cette discipline dont ils ont pourtant de plus en plus besoin.

La nature du métier d’ingénieur a en effet beaucoup changé durant ces dernières décennies, mais aussi sa place dans la société : l’ingénieur travaille ainsi de plus en plus en relation avec des acteurs venus de domaines multiples, scientifiques ou non. Mais il peut aussi être critiqué dans ses actions, sur la base de critères (politiques, sociaux, éthiques, écologiques, etc.) qui ne sont pas les siens. Dans ce contexte, une réflexion sur son activité tant scientifique que technique, et surtout intégrée à la société, est nécessaire.

Organisé en neuf chapitres, cet ouvrage propose donc de fournir aux ingénieurs, actuels ou futurs, les repères conceptuels et les réflexions fondamentales en matière d’épistémologie, ainsi que les connaissances en histoire des sciences et des techniques afin de mieux comprendre leur évolution. Il apporte un éclairage à de nombreuses questions qu’un ingénieur peut se poser face à cette discipline : qu’est-ce que l’épistémologie ? À quoi sert-elle ? Quels en sont les grands courants ? Quels sont les rapports qu’entretient l’épistémologie avec la science mais aussi avec la technique ? Existe-t-il une épistémologie spécifique à l’ingénierie ? Quelles sont enfin les implications éthiques et sociétales de l’activité de l’ingénieur ?

Ce manuel, que les auteurs – tous deux enseignants en école d’ingénieurs – ont voulu court et accessible, vise donc à accompagner les ingénieurs dans leur pratique et leur réflexion aussi bien pendant leurs études que durant leur carrière professionnelle.