2000 : Scientifique des données cliniques au travail

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.

La science des données cliniques est-elle menacée par l’IA ? La fin de la routine est déjà exposée : les outils AutoML peuvent adapter et ajuster des modèles standard, et les assistants IA peuvent écrire des requêtes SQL, des premières ébauches de graphiques exploratoires et du code de pipeline passe-partout plus rapidement qu'une personne. Ce qui n’a pas été automatisé, c’est de formuler la bonne question, de juger si un modèle est significatif ou fallacieux, et d’assumer la responsabilité d’une décision fondée sur le résultat.