LIDIA — l'IA Prédictive du Costa Rica Repère un Diabète Non Diagnostiqué dans les Dossiers d'une Clinique Publique

La Caja Costarricense de Seguro Social (CCSS), l'agence publique qui gère le système de santé universel du Costa Rica, teste depuis 2023 LIDIA, un programme interne de modèles d'IA prédictive construit sur EDUS, son Dossier de Santé Numérique Unique à l'échelle nationale. LIDIA couvre actuellement quatre domaines de pathologies : le diabète de type 2, la santé pulmonaire, le syndrome coronarien aigu et le cancer du sein.
Dans son module diabète, l'algorithme de LIDIA croise les antécédents cliniques et les facteurs de risque sur plus d'un million de dossiers EDUS afin d'identifier les patients susceptibles d'avoir ou de développer un diabète de type 2 avant qu'un diagnostic formel ne soit posé. Un projet pilote à la clinique Clorito Picado a appliqué l'outil à la patientèle de la clinique ; parmi le groupe que l'algorithme a signalé comme à haut risque, le travail de terrain clinique a révélé que 130 patients étaient déjà diabétiques sans diagnostic formel. Le directeur de la clinique, le Dr Carlos Solano Salas, a déclaré que si l'outil avait été appliqué plus tôt, la maladie aurait pu être évitée ou détectée plus tôt dans certains de ces cas.
L'Observatoire de l'IA du Costa Rica, un organisme indépendant, répertorie LIDIA comme "adoption vérifiée/pilote" depuis août 2026. À la suite du projet pilote sur le diabète, la CCSS a indiqué vouloir étendre la même approche prédictive à ses trois autres modules — maladie pulmonaire, syndrome coronarien aigu et cancer du sein — et a associé ce déploiement à une formation du personnel dans les services médicaux, informatiques et administratifs ; un outil connexe d'aide à la décision clinique, AIDA, a été annoncé pour une intégration avec EDUS en novembre 2025. Aucune valeur de précision, de sensibilité ou de taux de faux positifs évaluée par des pairs n'a été publiée pour le modèle diabète, et ni la CCSS ni l'Observatoire de l'IA n'ont communiqué d'audit des biais ; les chiffres de précision relayés par une partie de la presse secondaire n'ont donc pas été vérifiés de façon indépendante au regard d'une méthodologie publiée.