Scientifique des données cliniques · Utilise les données cliniques, d’essais et du système de santé pour générer des preuves fiables pour des soins, des recherches et des décisions opérationnelles plus sûrs.
La culture populaire a généralement ignoré le statisticien et s'est tournée vers la figure plus dramatique du quant ou de l'algorithme - l'image publique du scientifique des données cliniques doit plus aux analystes de baseball de Moneyball et aux quants de prévision de crise de The Big Short qu'à quiconque fait ce qu'un scientifique des données cliniques en activité fait réellement au quotidien.
Dans ce domaine, la culture repose sur des références publiques compétitives, des plaisanteries statistiques pince-sans-rire et un format de document – la carte modèle – qui fait de « être honnête sur les limites de votre modèle » une habitude professionnelle de routine plutôt qu’une réflexion après coup.
How much status the profession carried in each era, on a 0–100 scale.
Les premiers travaux statistiques étaient réalisés en grande partie par des commis, des réformateurs amateurs et des étrangers autodidactes comme Nightingale ; utile et parfois influent, mais rarement prestigieux en soi.
Pearson, Fisher et Gosset ont professionnalisé les statistiques en une discipline universitaire dotée de leurs propres revues et départements universitaires, gagnant ainsi le respect des chercheurs tout en restant presque invisible pour le grand public.
À mesure que l'informatique mainframe se développait, le personnel chargé du traitement des données et les statisticiens étaient principalement considérés comme un support back-end essentiel mais peu prestigieux, rarement présent dans la prise de décision des dirigeants.
La proposition universitaire de Cleveland de 2001 a attiré peu d'attention du public, mais le prix de l'algorithme de recommandation d'un million de dollars de Netflix entre 2006 et 2009 et la création en 2008 du « scientifique des données cliniques » chez LinkedIn et Facebook ont commencé à faire tourner les têtes dans l'industrie technologique.
La définition du « travail le plus sexy » de la Harvard Business Review d'octobre 2012 a déclenché un boom de l'embauche et du prestige ; dans les années 2020, le titre s'est fragmenté en rôles plus spécialisés et a perdu une partie de son éclat singulier, même si les salaires et la demande restent forts.
Dramatise comment Billy Beane des Oakland Athletics et l'analyste Paul DePodesta ont utilisé l'analyse statistique, en s'appuyant sur les sabermétries de Bill James, pour constituer une liste compétitive avec l'un des plus petits budgets du baseball.
Suit une poignée d'analystes qui ont étudié les données du marché hypothécaire d'assez près pour prédire la crise financière de 2008 avant que presque quiconque ne croie aux chiffres.
Un mathématicien aide son frère, agent du FBI, à résoudre des crimes en utilisant l'analyse statistique et la reconnaissance de formes, initiant ainsi le grand public de la télévision américaine aux mathématiques appliquées en tant que travail d'enquête.
Cette série d'anthologies britannique imagine à plusieurs reprises le profilage des données et la notation prédictive poussés à des extrêmes troublants, le plus directement dans l'épisode de 2016 « Nosedive », façonnant l'anxiété du public concernant le classement algorithmique des personnes.
Raconte la véritable histoire de Katherine Johnson, Dorothy Vaughan et Mary Jackson, des femmes mathématiciennes noires dont les calculs manuels à la NASA ont soutenu les missions orbitales de Mercure en 1962 avant que les ordinateurs électroniques ne prennent le relais.
Cela fait suite à la découverte de Joy Buolamwini, chercheuse au MIT, selon laquelle les systèmes de reconnaissance faciale identifient mal les visages à la peau plus foncée beaucoup plus souvent, transformant une découverte technique biaisée en matière de données en une prise en compte par un public plus large de l'équité algorithmique.
Les compétitions publiques d'apprentissage automatique hébergées sur Kaggle, lancées en 2010, classent les participants dans un classement visible tout au long d'un concours, puis révèlent le classement final par rapport à un ensemble de tests caché à la clôture - un moment que les concurrents appellent le « remaniement », car un surajustement au classement public peut faire perdre à une équipe des dizaines de places du jour au lendemain.
Suivant la pratique proposée dans un article de 2018 par Margaret Mitchell et ses collègues de Google, les équipes documentent de plus en plus l'utilisation prévue d'un modèle, les données de formation et les limites connues dans une courte « carte de modèle » avant son expédition – considérées comme une obligation professionnelle plutôt que comme un supplément facultatif.
Présenter les résultats exploratoires en faisant défiler en direct les cellules et les graphiques d'un bloc-notes Jupyter, plutôt qu'un diaporama soigné, reste la manière par défaut pour un scientifique des données cliniques de partager les premiers résultats avec ses coéquipiers et les parties prenantes.
Rien de tout cela ne résout la plus ancienne tension du domaine : la « science des données cliniques » est-elle une discipline véritablement nouvelle ou des travaux statistiques et informatiques plus anciens portant un nom plus commercialisable ? Les praticiens eux-mêmes en discutent, souvent au sein d’une même équipe.
Ce qui est resté constant depuis les tables de mortalité de Graunt de 1662, c'est la démarche de base : transformer une pile de dossiers en une affirmation sur laquelle quelqu'un peut agir, et être honnête sur la part de cette affirmation que les données soutiennent réellement.
Voisins les plus proches sur le profil à six scores — pas seulement le même champ.
Protège les systèmes, les données et les personnes en trouvant, prévenant et répondant aux attaques numériques.
AI-resistant 63 🌬️Conçoit, construit et améliore les systèmes éoliens, solaires, de stockage et de réseau qui transforment les ressources renouvelables en électricité fiable.
AI-resistant 72 🦾Conçoit les machines qui perçoivent, décident et agissent dans le monde physique — où le vrai défi n'a jamais été l'intelligence, mais le monde lui-même.
AI-resistant 65 🌿Dirige la stratégie, la mesure et le reporting qui aident les organisations à réduire les dommages environnementaux et sociaux tout en respectant leurs obligations commerciales.
AI-resistant 66 🔌Conçoit et fabrique les transistors à l'intérieur de chaque ordinateur, téléphone et système d'armes, avec des machines si précises que seules quelques usines sur Terre peuvent les faire tourner.
AI-resistant 60 📦Construit les systèmes qui entraînent, déploient, surveillent et gouvernent les modèles d'apprentissage automatique en production.
AI-resistant 54Établit et teste les lois mathématiques qui régissent la matière, l'énergie, l'espace et le temps, d'un tableau noir solitaire à un article de collisionneur signé par 3 000 auteurs.
AI-resistant 65 🧬Le scientifique qui étudie la vie elle-même, de Linnaeus nommant les espèces à la main à l'édition de génomes avec CRISPR, testant encore chaque idée sur un organisme vivant.
AI-resistant 64 🧪Le scientifique qui fabrique et mesure la matière — de l'alambic babylonien de Tapputi aux laboratoires robotisés d'aujourd'hui, celui qui décide encore ce que signifie le spectre.
AI-resistant 70 📊Détecte des régularités et construit des modèles prédictifs à partir de données — un intitulé de poste né en 2008, fondé sur trois siècles de comptage, de tests et de visualisation des preuves.
AI-resistant 38 🔭Le scientifique qui mesure l'univers, des tablettes d'argile babyloniennes aux télescopes spatiaux, et qui décide encore aujourd'hui quelle fluctuation dans les données est une découverte.
AI-resistant 70 🧮Des scribes babyloniens aux lauréats Fields et à la démonstration assistée par IA : la profession qui transforme les questions difficiles en certitude permanente, théorème après théorème.
AI-resistant 70 🧿Construit, mesure et contrôle des appareils qui exploitent les états quantiques pour l'informatique, la détection, la communication et la recherche sur les matériaux.
AI-resistant 78