Structurer les données de santé avec l’IA

0
121

Avec plus de 35 millions d’examens rassemblés, l’entrepôt de données de l’AP-HP constitue l’un des PACS les plus importants d’Europe. Des informations qui constituent une véritable mine d’or. Le logiciel Label permet de les exploiter plus aisément.

 

UNE IA FACILITANT LA COMPRÉHENSION DE LA DONNÉE

 

On peut être devant un trésor et ne pas pouvoir l’atteindre. Ali Baba, sans son fameux «Sésame», n’aurait jamais approché la moindre pièce d’or. Les données recueillies dans les entrepôts de données de santé regorgent de richesses. Elles sont la source indispensable pour la recherche, l’innovation et le pilotage de l’activité hospitalière. Mais bien souvent, elles sont peu structurées et difficiles à exploiter, à valoriser. La clé est donc là. Il faut apprendre à mieux caractériser ces informations pour en faire des outils facilement mobilisables. C’est tout l’objectif du logiciel Label.

Issu du partenariat de la plateforme Megadonnées de l’AP-HP, qui abrite l’entrepôt de données de santé (regroupant les 39 hôpitaux du groupement) et de la société Imageens, experte en IA, Label fait tourner des algorithmes de caractérisation des données d’imagerie médicale. « Nos algorithmes classifient ces données en fonction de leurs critères techniques, détaille Robert Baldwin, président d’Imageens. Ils placent des tags selon le type d’image, son format, sa qualité ou la partie du corps concernée. Le but : créer des filtres pour les entrepôts et ensuite faciliter la constitution de cohorte de recherche. » Des catégories plus facilement réutilisables par les outils de l’AP-HP tels que «Cohorte 360» qui identifie des patients et accompagne l’élaboration de ces cohortes.

 

L’AMONT DE LA RECHERCHE : UNE PHASE À VALORISER

 

Ce type d’outils propose une approche nouvelle de l’intelligence artificielle, traditionnellement focalisée sur des logiciels de soins. « Cette innovation démontre que les besoins d’amélioration technologique ne doivent pas concerner que les soins, souligne Aurélien Maire, responsable du secteur imagerie de la plateforme Mégadonnées de l’AP-HP. Elles doivent aussi s’intéresser à l’amélioration de la fourniture de ces données, sur une phase préalable à la recherche en elle-même. De plus, cela positionne l’AP-HP comme un acteur clé dans la maîtrise des données. Avec cette démarche, cela peut donner un supplément de visibilité. »

 

Dans cette optique, tous saluent la collaboration entre l’AP-HP et Imageens. « Nous bénéficions d’un partenariat très efficace avec Imageens, constate Martin Hilka, directeur de la plateforme. L’ensemble constitue une infrastructure très ouverte et souple dans sa gestion. C’est un outil facilitant et transversal qui nous fait gagner en maturité. ». De ce partenariat émerge un outil profitable aux deux entités. « Il y a un échange de compétences avec l’expertise de la donnée de l’AP-HP et les connaissances en IA d’Imageens, détaille Aurélien Maire. Il y a un enrichissement mutuel, culturel et technique. »

 

STRUCTURER À LA SOURCE

 

Une telle fluidité crée une certaine émulation. Les plans de développement ne manquent pas. Robert Baldwin table sur une extension prochaine de l’outil sur l’ensemble du territoire. Et l’amélioration de la qualité de la donnée est toujours au coeur des préoccupations. Les algorithmes de Label pourraient à terme aider à caractériser les images à la source. « La donnée nous parvient en direct des applications de soins, explique Aurélien Maire. En imagerie, la description de la donnée est produite par les métadonnées DICOM. Celles-ci sont cependant parfois peu adaptées à la recherche. L’IA d’Imageens pourrait permettre d’améliorer la description et l’analyse en amont. Car ce qui est très chronophage dans les projets, c’est toute la phase de nettoyage qui peut durer plusieurs mois. »

 

L’autre étape sera la transmission de ces informations entre centres de recherche. « Avec des données standardisées, nous pourrons travailler en direct sur les bases de données, anticipe Martin Hilka. Pour travailler entre centres de recherches, il ne sera plus nécessaire de transférer les données. On économisera du temps et on limitera les risques. C’est un fort gage de qualité qui renforcera encore la collaboration entre les centres. »

 

Marion BOIS

Consulter SIH SOLUTIONS

Imageens

Laisser un commentaire