Les systèmes d’aide à la décision médicale (SADM) sont des outils informatiques capables de traiter l’ensemble des caractéristiques d’un patient donné afin de générer les diagnostics probables de son état clinique (aide au diagnostic) ou les traitements qui lui seraient adaptés (aide à la thérapeutique). Le terme SADM recouvre aujourd’hui un ensemble d’outils variés, plus ou moins complexes. Cet article dresse un panorama de ces différents outils et des approches qui en sous-tendent le fonctionnement. Les approches numériques se fondent essentiellement sur l’analyse de jeux de données. Elles ont initialement été appliquées à l’aide au diagnostic. Du fait du déploiement des dossiers patients informatisés, on dispose aujourd’hui de nombreuses données utilisées par les modèles prédictifs d’aide à la thérapeutique. Les approches symboliques utilisent une modélisation des connaissances mobilisées par le raisonnement pour décider. Elles ont été initialement mises en œuvre avec les systèmes experts qui visaient à reproduire le raisonnement des experts cliniciens engagés dans une démarche décisionnelle. Récemment, conformément au principe de la médecine fondée sur les données probantes, l’expertise subjective des systèmes experts a été remplacée par les connaissances objectives des recommandations de bonne pratique dans les SADM modernes. Ces systèmes, qu’ils soient historiques ou actuels, sont décrits, les différents types d’exploitation des connaissances qu’ils proposent, que ce soit en mode automatique ou en mode documentaire, sont présentés. Longtemps cantonnés aux laboratoires de recherche et aux expérimentations pilotes, il est probable que, compte tenu des exigences sociétales en termes de qualité des soins, les SADM soient dans un futur proche appelés à être utilisés en routine afin d’orienter les pratiques et d’évaluer les performances.

Clinical decision support systems (CDSSs) are computerized tools capable of handling all the characteristics of a given patient to provide the most probable diagnoses (diagnostic decision-making) or best treatments (therapeutic decision-making). Today, CDSSs cover a wide range of tools developed for different purposes and of variable complexity. This article provides an overview of CDSSs and of the different approaches implemented. Numerical approaches are mainly based on the analysis of data sets. They were initially applied to diagnosis decision support. The deployment of computerized patient records makes large amounts of data available for predictive models to support therapeutic decision-making. Symbolic approaches rely on the modeling of decision-related knowledge. These approaches were originally implemented for expert systems expected to reproduce the reasoning of expert clinicians engaged in a decision-making process. Recently, following the principle of evidence-based medicine, the subjective expertise of expert systems has been replaced by the objective knowledge of clinical practice guidelines in modern CDSSs. Different CDSSs, whether historical or current, are described, various types of knowledge exploitation, either in automatic mode or documentary mode, are presented. Formerly confined to research laboratories and pilot experiments, it is likely that, given the demands of modern societies for quality care, CDSSs will enter routine use in the near future to improve clinical practices and enable performance evaluation.