Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

14 30-mjoliot biomist-piv-2017

84 vues

Publié le

Gestion des données scientifiques en imagerie in vivo – Journée scientifique organisée par PIV le 7 décembre 2017 au PARCC-HEGP
Marc Joliot

Publié dans : Santé & Médecine
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

14 30-mjoliot biomist-piv-2017

  1. 1. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Genèse, application et futur de BIOMIST: un système de gestion du « cycle de vie » de la donnée bio-médicale. Marc Joliot, Ph.d., HdR, CEA
  2. 2. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Groupe d’Imagerie Neurofonctionnelle Ø Depuis  1989,  date  de  la  création,  le  GIN  a  toujours  été  impliqué  dans   l’acquisition  et  le  traitement  des  bases  de  données  d’imagerie. 1990 EVA IRM-­3-­Cité BIL&GIN I-­Share 2011 Ø Participation  à  des  consortium  internationaux  : • CHARGE • ENIGMA   Ø Analyse  des  bases  existantes    : • UK-­BIOBANK • LIFE • BIG
  3. 3. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 N Age IRM Tests  Ψ ADN EVA 845 [63,  75] 3D-­T1  (0.9  mm) T2/PD  (5  mm) MMSE,  TMTA/B,   Rey15,  Benton FRT,   etc… (T0,T+2,T4,T+6,T+7,T+ 9) OUI Coll.  C  Tzourio Inserm  U708 Approche  épidémiologique  pour  l’étude  du  polymorphisme  sur  des   populations  âgées Base Neuroanatomiques du vieillissement Ø Avant  2005  :  Arborescence  de  répertoires  
  4. 4. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Base Neuroanatomique du veillissement (EVA) Les  sujets  homozygotes  pour   l’allèle  e4  présentaient  une  atrophie   de  l’hippocampe  précoce,  prédictive   d’un  déclin  cognitif  sévère,  mesuré   7  ans  plus  tard.   Graphe  de  Manhattan  illustrant  l’association   pangénomique du  volume  de  l’hippocampe   réalisée  au  sein  du  consortium  CHARGE   incluant  9,234  participants  âgés.  
  5. 5. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 “Brain Imaging Laterality database” : BIL&GIN Chaque  individu  a  été  vu  3  ou  4  fois  : • Anatomie  &  repos • 20  tâches  cognitives  pour  300  sujets  (9  sessions) • 2  sessions  de  tests  cognitifs • Génétique 450  volontaires  âgés  de  18  à  58  ans  : • Base  équilibrée  pour  la  latéralité  manuelle • Base  équilibrée  pour  le  genre Structure Anatomie  3D Fonction Diffusion BOLD  EPI  :   Debriefing BOLD  EPI  :  8mn Quest.  RESQ 9  sessions  cognitivesResting  state   Mazoyer 2015
  6. 6. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Analyse des besoins Ø Accroissement  du  nombres  d’individus  :  Avènement  de  l’aire  des  cohortes   Ø Accroissement  de  l’hétérogénéité des  données    : • Acquisitions  « multimodales »  :  Anatomiques  /  fonctionnelles  /  Diffusion • Données  non-­imageries  structurées  (exp :  Test)   • Données  non-­imageries  non-­structurées  (exp :  Débriefing  /  rapport   médicale) Ø Généralisation  de  l’emploi  de  méta-­analyses  :   • L’état  de  repos  a  en  partie  été  découvert  grâce  à  des  méta-­analyses,  soit   une  utilisation  non-­programmée  des  données. L Cognitive  tasks rCBFvariation  (%) MT  working  memory GV  verb  generation CM  mental  calculus LP  phrase  listening LT  story  listening LM  word  listening IM  mental  imagery LO  logic MV  movement Restversus Mazoyer 2001
  7. 7. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Joliot 2010,  HBM Structure de BIL&GIN
  8. 8. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 34  Resting-­state  Networks  :  coverage  of  98%  of  the  brain  gray  matter 281  fMRI  resting-­state  acquisitions Pre-­processing Clustering Individual    ICA 281  sets  of  25  Individual  components Atlas des réseaux du repos : MICCA (BIL&GIN) Naveau 2012 R  =  20 281  x  25  x  20  =   140500   composantes
  9. 9. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Retour d’expérience • Interrogations  majoritairement  effectuées  par  les  ingénieurs • Pas  de  gestion  fine  des  protections • Corrections  sans  historique • Paramètres  d’analyses  sauvegardés  mais  sans  les  pipelines • Pas  d’utilisation  en  test  d’hypothèses  et  ou  analyse  de  groupe
  10. 10. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017ANR-­13-­CORD-­0007
  11. 11. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Cahier des charges Ø Gestion  de  la  provenance  :  Traçabilité  de  l’évolution  des  données  et  des   traitements Ø Adapté  à  la  gestion  de  plusieurs  protocoles Ø Confidentialité Ø Gestion  de  l’hétérogénéité  des  formats Ø Adapté  à  la  volumétrie  de  l’imagerie   Ø Gestion  de  l’hétérogénéité  des  sources  :  Flexibilité  du  modèle  de  données Ø Gestion  de  la  complexité  des  traitements  :  Accès  aux  grilles  et  contrôle  de  qualité Ø Capacité  à  implémenter  des  analyses  inter-­sujets  voir  inter-­protocoles Ø Intégration  des  outils  du  chercheur  :  visualisation,  chaines  de  traitements,  outils   d’analyse…
  12. 12. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Ecosystème de données Modalités d’imagerie Données dérivées Analyse et Interprétation PACS local ressources web Grilles de calcul Recueil de données • Case Report Forms • Psychologie • Génétique • Physiologie • ... DICOM Données brutes
  13. 13. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 2 clients Client  riche   Client  léger
  14. 14. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Intégration DICOM Health  &   Care   improveme nts Public   Health   Research Ø Reçoit et  sert  les  données  d’imagerie via  le  protocole  DICOM PACS STORE FIND/GET STORE DICOM  workstation ProxyClient Teamcenter query Rich client:  open  in   visualizer Client  WEB:  papaya browser
  15. 15. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 PLM workfows: Contrôle qualité automatisé et manuel 1. Assignation  automatique  à: • projet  de  recherche • définition  de  protocole 2. Vérification  de  la  conformité • Paramètres  d’acquisition • Quantité  d’acquisitions • Nombre  d’instances  DICOM 3. Notification  par  e-­mail • Data  manager • Investigateur  Principal
  16. 16. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Traitement des données Ø Intégration  d’un  système  de  gestion  de  flux  de  traitements (nipype) • Peut  couvrir  n’importe  quelle  ligne  de  commande • Compatible  avec la  plupart  des  ordonnanceurs  de  grilles  de  calcul Ø Conservation/édition  des  paramètres de  chaque  étape  du  traitement   Ø Les  données  dérivées  peuvent  entrer  dans  de  nouveaux  flux  de  traitement
  17. 17. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Traçabilité des traitements de données Ø Chaque  étape du  traitement: • Stocke les  résultats  du  traitement • Stocke  un rapport  d’exécution • Référence  les  items  d’entrées • Référence un  jeu  de  paramètres
  18. 18. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Intégration des outils du chercheur PLM ODBC JMP  /  SAS  /  Excel  :  analyse statistique Cube  OLAP Données   dérivées Données   d’examens
  19. 19. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 I-SHARE / MRI-SHARE Ø i-­Share est  la  plus  grande  étude  scientifique  jamais  réalisée  sur  la   santé  des  jeunes  :    30000  prévus  (PI  .  C.  Tzourio,  Investissement   d’Avenir)  :   Ø Mri-­Share +  Bio-­Share :  Sous  ensemble  de  2000  individus   -­ Données  démographiques -­ Tests  cognitifs   -­ Historique  médicale -­ Historique  comportementale Mazoyer 2017 +  Génétique
  20. 20. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Qualification en volumétrie et hétérogénéité : MRI-share Ø Nombre  de  sujets  :  1859   Ø Nombre  d’instances  DICOM  :    6  064  451 Ø Démographie  :  Age  /  sexe  /  latéralité Ø Test  :  Questionnaire  de  repos
  21. 21. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Qualification en complexité : Archeoneuro Node 002 Scanner Ψ experimental control PACS ftp DICOM Data  import  services • Data  recognition  and   mapping • Matching of  imaging and  behavioral data Scientific  workflows 1. fMRI data  preprocessing 2. Behavioral data  parsing and  statistical modelling 3. Outputs  sorting Quality control   workflows • Automated validation • Visual  QC • Notification scp/ssh High  Performance   Computing cluster  frontend Nipype  workflows Node   001 scp ……………………… ……………… Node   N ……………………… ………………
  22. 22. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Rendu du projet Ø Publications :  2  revues,  10  conférences,  2  ouvrages Ø Thèses :  M.  Allanic  (2015)  et  C.C.  Phan  (2016)   Ø Projets  collaboratifs  : Ø Drive  SPC  (B.  Tavitian)     Ø Ginesis-­lab Ø Création  d’une  unité  de  buisness médical  au  sein  de  Cadesis/Fealinx avec  embauche  de  4  personnes  :  Création  de  la  solution  SwoMed version   industriel  de  BIOMIST  
  23. 23. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 LABCOM Ginesis-lab Ø Objectifs • Gestion  intégrée  des  chaînes  de  traitement  de  l’imagerie  dans  l’optique   de  la  création  de  bio-­marqueurs   • Développer  des  méthodes  de  classification  et  d’analyse  prédictive  sur   les  données  d’imagerie • Amélioration  des  interfaces  chercheurs  /  médecins   Ø Projet  ANR  LabCom :  édition  2016,  ANR-­LCV2-­0006-­01   Ø Direction • Marc  Joliot,  DR,  CEA • P.  Boutinaud,  DR  recherche  et  innovation,  Fealinx Ø Localisation • Bâtiment  Paul  Broca  Nouvelle  Aquitaine,  Neurocampus
  24. 24. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 De Biomist à Ginesis-lab Cohortes Cohorts (Data  Management) Personnalized  medicine (SaaS) Hospital,  CRO (Clinical  studies) Structured   reports Images   processing Learning Biomarkers   Innovations   LaBIMA Prediction LABCOM  :  ANR  16-­LCV2-­006-­01  :  Starting  03/04/2017  
  25. 25. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Les équipes GIN  /  IMN Dir :  N.  Tzourio /  E.  Bezard Fealinx /  Cadesis DG  :  X.  Ruffenach • Benoit  Eynard • Alexandre  Durupt • Nada  Matta
  26. 26. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017
  27. 27. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Méthodologie de développement : AGILE Ø Project  owner &  Scrum master  :  Cadesis Ø Research  Unit  :     Cadesis /  GIN  /  UTC  /  UTT WP1 :  Project  Management WP2 :  PLM  for  BioMedical Imaging WP3 :  Graph  similarity  &  visualization WP4 :  Semantic  enhancement   WP5 :  Integration  &  Quality WP6 :  Exploitation  &  Dissemination
  28. 28. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Cahier des charges Ø Gestion  de  la  provenance  :  Traçabilité  de  l’évolution  des  données  et  des   traitements Ø Adapté  à  la  gestion  de  plusieurs  protocoles Ø Confidentialité Ø Gestion  de  l’hétérogénéité  des  formats Ø Adapté  à  la  volumétrie  de  l’imagerie   Ø Gestion  de  l’hétérogénéité  des  sources  :  Flexibilité  du  modèle  de  données Ø Gestion  de  la  complexité  des  traitements  :  Accès  aux  grilles  et  contrôle  de  qualité Ø Capacité  à  implémenter  des  analyses  inter-­sujets  voir  inter-­protocoles Ø Intégration  des  outils  du  chercheur  :  visualisation,  chaines  de  traitements,  outils   d’analyse…
  29. 29. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Gestion  sémantique  des  données  d’imagerie   bio-­médicale  pour  la  recherche Utiliser  les  outils  du  « Product   Lifecycle  Management »  pour   gérer  les  données,  documents   et  informations  bio-­médicales. Définir  et  implémenter  des   outils  permettant  de  visualiser   et  manipuler  les  graphes   représentant  les  relations  entre   objets  d’intêrets. Ø Ø
  30. 30. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Architecture du PLM Ø Cycle  de  vie  du  produit  industriel • Conception  (données  CAO) • Production • Maintenance • Retrait Ø Gestion  du  Cycle de  vie  du  Produit   • 20  ans  de  développement • SIEMENS  Teamcenter :                       16  million  de  licences Ø Architecture  4  « tier » • Stockage  unique • Réplication  de  données • Extensible
  31. 31. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Trois catégories d’objets Allanic 2017
  32. 32. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Modèle de données BMI-LM Graphe de  données Modèle
  33. 33. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Gestion de la provenance PROV-­DM  standard  (http://www.w3.org/TR/2013/REC-­prov-­dm-­20130430/). Ø Parallèle  entre  le  standard  PROV  et  le  BMI-­LM  data  model.   Allanic 2017
  34. 34. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Classification hiérarchique • Chaque  item  est  classifié  dans  une   ou  plusieurs classes • Une  classe  peut  porter  des  attributs • La  classification  est  facilement   extensible • Les  catégories  peuvent  provenir   d’ontologies  spécifiques  d’un   domaine
  35. 35. GIN-­IMN,  UMR5293  CNRS  – CEA  – UBx M.  Joliot  for  GIN  06/12/2017 Statistiques : Agile

×