Résumé
L’étude et les applications de l’intelligence artificielle (IA) en santé se sont rapidement développées au cours de la dernière décennie. En allergologie, domaine marqué par l’hétérogénéité des pathologies et le rôle de facteurs immunologiques et environnementaux complexes nécessitent des outils capables de traiter des données volumineuses et multidimensionnelles. L’IA, notamment par le biais du machine learning, du deep learning et du traitement du langage naturel, facilite l’analyse de ces données. Les allergies ayant une prévalence élevée (30 % de la population en 2025 et 50 % en 2050), l’IA offre des opportunités majeures pour améliorer et personnaliser le diagnostic. Ces technologies, intégrées au sein de systèmes d’aide à la décision clinique peuvent notamment soutenir les professionnels dans le diagnostic, la définition des endotypes et la recherche de biomarqueurs. Cette revue de littérature du groupe de travail e-santé et intelligence artificielle (GTESIA) de la Société française d’allergologie (SFA) expose les questions et propositions actuelles sur l’IA spécifiques à la spécialité. Nous présentons une sélection des méthodes les plus prometteuses et précisons comment l’IA peut s’intégrer dans le parcours de soin complexe et multidisciplinaire des patients allergiques.
Summary
The study and applications of artificial intelligence (AI) in healthcare have developed rapidly over the last decade. In the field of allergy, which is characterized by the heterogeneity of pathologies and the role of complex immunological and environmental factors, there is a requirement for tools capable of processing voluminous and multidimensional data. AI, notably through machine learning, deep learning and natural language processing, facilitates the analysis of these data. The high prevalence of allergies (30% of the population in 2025 and 50% in 2050) requires significant opportunities for AI to enhance and personalize diagnosis. These technologies, integrated into clinical decision, support professionals in diagnosis, endotype definition and biomarker research. This literature review, conducted by the e-health and artificial intelligence working group (GTESIA) of the French Society of Allergy (SFA), aims to address the current issues and proposals on AI specific to the specialty. The review presents a selection of the most promising methods and elucidates the potential for AI integration into the complex, multidisciplinary care pathway of allergy patients.
Accès en ligne : https://doi.org/10.1016/j.banm.2025.04.019
(b) Centre de Santé Saint-Georges (Allergolys), Nancy, France
(c) CRESS, Inserm, Inrae, HERA Team, université Paris Cité, Paris, France
(d) Immunology Department, Biological Allergology Unit, Hôpital A.-Trousseau, Sorbonne Université, AP–HP, Paris, France
(e) Laboratoire d’immunologie et immunogénétique, centre hospitalier universitaire de Bordeaux, Bordeaux, France
(f) Inserm UMR-S 1250 P3CELL and Immunology Laboratory, University of Reims Champagne-Ardenne, University Hospital of Reims, Reims, France
(g) Biogroup, Paris, France
(h) Service d’allergologie adulte-enfant, hôpital Robert-Ballanger, Aulnay-sous-Bois, France
(i) Société française d’allergologie, Paris, France
(j) PREMEDICAL, University of Montpellier–Inserm, INRIA Montpellier, Montpellier, France
(k) Desbrest Institute of Epidemiology and Public Health, Univ Montpellier, Inserm, Montpellier, France
()l Groupe de travail e-Santé et intelligence artificielle (GTESIA), Société française d’allergologie, Paris, France
⁎Auteur correspondant. Laboratoire d’immunologie et immunogénétique, groupe hospitalier Pellegrin, CHU de Bordeaux, place Amélie-Raba-Léon, 33076 Bordeaux cedex, France.
Bull Acad Natl Med 2025;209:807-15. Doi : 10.1016/j.banm.2025.04.019
