Intelligence artificielle en anesthésie : l'Université de Parme s'impose au niveau mondial

Une analyse bibliométrique portant sur 152 études publiées entre 2018 et 2026 place la University of Parma au quatrième rang mondial pour la recherche en intelligence artificielle appliquée à l'anesthésie et à la réanimation, indique l'établissement italien dans un communiqué daté du 16 septembre 2026. Avec 11 publications, Parme partage ce rang avec l'Université de Heidelberg et se classe première en Europe, contribuant à hisser l'Italie à la troisième place des pays les plus productifs sur le sujet.

Ce que mesure réellement ce classement

Une analyse bibliométrique comptabilise des publications, pas des résultats cliniques déployés au lit du patient. Le quatrième rang mondial est un indicateur d'activité, pas une mesure de validité. La performance de Parme se lit dans les domaines investis par l'équipe d'Elena Giovanna Bignami — professeure d'anesthésiologie et directrice de l'école doctorale d'anesthésie, réanimation et médecine de la douleur —: prédiction du risque périopératoire, IA prédictive couplée à des algorithmes explicables, intégration de données cliniques hétérogènes, outils d'aide à la décision. Valentina Bellini figure également parmi les contributrices identifiées. Ces choix méthodologiques pèsent davantage que le décompte d'articles indexés.

Le rappel opérationnel venu d'Eindhoven

La thèse soutenue par Roy van Mierlo le 17 septembre 2026 à l'Eindhoven University of Technology fournit un contrepoint direct à toute lecture triomphaliste. Sur des données du Catharina Hospital, son travail démontre qu'un modèle d'IA développé à l'étranger ne performe pas automatiquement en contexte local: protocoles de traitement, méthodes de mesure et arbitrages cliniques modifient les résultats. Un modèle entraîné sur données locales surpasse le modèle externe, y compris avec un volume d'entraînement inférieur. Les autoencodeurs appliqués aux signaux ECG et de pression artérielle confirment que les formes d'onde contiennent davantage d'information cliniquement exploitable que les valeurs isolées affichées sur les moniteurs de réanimation, où le choc circulatoire demeure l'une des principales causes de mortalité.

Ce qu'il faut en retenir

Je note un classement bibliographique flatteur et une démonstration rigoureuse de non-transférabilité des modèles entre contextes cliniques. Deux conséquences pratiques: exiger la cohorte de validation locale avant tout déploiement en SSPI ou en réanimation, et privilégier systématiquement des architectures explicables plutôt que la seule performance quantitative. Le marketing de l'IA n'a pas sa place au bloc opératoire.