Fantômes numériques en recherche médicale : Données synthétiques et quête de la vérité fondamentale

Les fantômes numériques sont des représentations virtuelles du corps humain utilisées dans la recherche médicale pour tester des équipements, former des professionnels de la santé et développer ou valider des algorithmes. Ces modèles peuvent être créés à partir de données cliniques du monde réel ou à partir de données synthétiques. Les fantômes dérivés de données cliniques servent souvent de valeurs de référence « vérité fondamentale » ancrées dans des observations empiriques. Cependant, la demande de phantômes numériques synthétiques et de jeux de données ne provenant pas de vrais patients est en croissance, soulevant des questions critiques sur la fiabilité de la connaissance produite à partir de données détachées de la réalité. Cet article vise à examiner ces questions à travers une analyse de documents de publications évaluées par des pairs sur le développement et l'utilisation de fantômes numériques en physique médicale. Nous examinons comment les chercheurs construisent la « vérité fondamentale » et les défis qu'ils rencontrent lorsqu'ils avancent des revendications de vérité à travers un travail technique. En prêtant attention aux corps fabriqués dans la création de phantômes et aux données conçues pour représenter la forme humaine, nous montrons comment les données synthétiques – détachées des sujets humains réels – sont valorisées pour permettre aux chercheurs d'éviter les complexités ou la « désorganisation » des patients réels et des données cliniques. De plus, nous montrons comment les phantômes et les données synthétiques sont présentés comme des outils qui améliorent le contrôle et la flexibilité, fonctionnant comme des « vérités connues » : des approximations exploitables qui permettent la construction de ce qui est censé être des jeux de données et des modèles plus représentatifs. Cet article contribue aux études sur la science et la technologie et aux études critiques sur les données en examinant la nature et les implications des représentations numériques et des données synthétiques dans le développement de modèles d'apprentissage automatique en médecine, et les revendications de vérité qu'ils soutiennent.