: Scientifique des données cliniques au travail

Que fait réellement un data scientist clinique au quotidien ? Contrairement à l'image de la « création de modèles d'IA », la plupart du temps est partagé entre l'écriture de requêtes SQL et de code Python pour extraire et nettoyer les données, l'exécution de tests statistiques ou de modèles de formation et la traduction des résultats dans un graphique ou un mémo sur lequel une partie prenante non technique peut agir. Les enquêtes auprès des praticiens placent systématiquement le nettoyage et la préparation des données à environ la moitié ou plus du temps de travail total.

Avez-vous besoin d’un doctorat pour devenir data scientist clinique ? Non, contrairement à la médecine ou au droit, il n’y a pas de licence ni de diplôme unique requis ; un baccalauréat ou une maîtrise en statistiques, en informatique, en mathématiques ou dans un domaine quantitatif connexe est la voie la plus courante, et un solide portefeuille de projets réels compte souvent plus pour les employeurs que le titre exact. Les titulaires d'un doctorat occupent plus souvent des postes axés sur la recherche ou l'apprentissage automatique appliqué.

La science des données cliniques n’est-elle que des statistiques avec un nouveau nom ? Pas tout à fait. Il s'appuie largement sur les statistiques – la conception expérimentale de Fisher, l'analyse exploratoire de Tukey – mais y ajoute la programmation, l'ingénierie de bases de données et l'apprentissage automatique que les départements de statistiques classiques enseignaient rarement. William S. Cleveland a proposé le terme en 2001 spécifiquement pour décrire cette version élargie et gourmande en informatique du domaine, fondée sur les statistiques plutôt que de les remplacer.