1. BIG DATA
AVEC LA NUMÉRISATION CROISSANTE DE NOTRE SOCIÉTÉ, DE PLUS EN PLUS
D'ACTIVITÉS GÉNÈRENT DES DONNÉES MASSIVES.
• LES RÉSEAUX SOCIAUX
• LES TRANSACTIONS FINANCIÈRES, ACHATS EN LIGNE ET UTILISATION DE LA CARTE
BANCAIRE,
• LES CAPTEURS IOT ET APPAREILS CONNECTÉS
• LES SYSTÈMES D'INFORMATION D'ENTREPRISE
• LES APPAREILS MOBILES
• ,,,
4. DONNÉES SANTÉ: QUELLES SOURCES ?
• bases médico-administratives
• Les études cliniques et enquêtes
• des données générées par les objets connectés (glycémie, fréquence
cardiaque, pression artérielle, nombre de pas), les applications
mobiles, les sites internet et moteurs de recherche
• Capteurs de santé
• Données génomiques
• des données de contexte, socio-économiques, géographiques,
environnementales,…
7. ALGORITHMES D'APPRENTISSAGE
APPRENTISSAGE
SUPERVISÉ
La classification
La régression
L’assemblage
APPRENTISSAGE
NON SUPERVISÉS:
L'association
Le clustering
La réduction de dimensionnalité
APPRENTISSAGE PAR
RENFORCEMENT
L’apprentissage par renforcement
est un type d’algorithme
d’apprentissage automatique qui
permet à un agent de décider de la
meilleure action à suivre en
fonction de son état actuel en
apprenant les comportements
permettant de maximiser une
récompense.
13. CAS D’USAGE SANTÉ DES DATA ET DU BIG
DATA
Le Big Data est une aide précieuse à la conduite des politiques de
santé, pour l’optimisation du système de soins.
• La médecine prédictive
• Un diagnostic et traitement personnalisés
• Le suivi médical
• Améliorer la pharmacovigilance
14. LA MÉDECINE PRÉDICTIVE
• Identifier des facteurs de risque de développement de certaines
maladies comme les cancers ou le diabète et de mettre en place
des outils de prévention cohérents et plus efficaces,
15. UN DIAGNOSTIC ET TRAITEMENT PERSONNALISÉS
• développer des systèmes d’aide au diagnostic et des outils
permettant la personnalisation des traitements.
• créer des médicaments sur mesure en fonction du code
génétique. En comparant l’empreinte génétique,
l’environnement d’un patient et son mode de vie à des milliers
d’autres recherches, des médecins pourront prédire les
maladies et déterminer le traitement le plus adaptés
16. LE SUIVI MÉDICAL
• vérifier l’efficacité de certains traitements, et d’effectuer une
veille sanitaire, afin notamment d’identifier d’éventuelles
complications récurrentes
• amélioration de la pharmacovigilance: rapprochements entre
des traitements et la survenue d’événements en santé.
• prédire la survenue d’épidémies: repérer une augmentation
d’incidence de maladies ou d’identifier des comportements à
risque dans une région donnée.
17. AMÉLIORER LA PHARMACOVIGILANCE
• d’identifier des facteurs de risque de développement de
certaines maladies comme les cancers ou le diabète et de
mettre en place des outils de prévention cohérents et par
conséquent plus efficaces
18. • Le recoupement de toutes ces informations à grande échelle et
récoltées sur du long terme permet, en effet :
• d’identifier des facteurs de risque de développement de certaines
maladies comme les cancers ou le diabète et de mettre en place des
outils de prévention cohérents et par conséquent plus efficaces ;
• de développer des systèmes d’aide au diagnostic et des outils
permettant la personnalisation des traitements
• de vérifier l’efficacité de certains traitements, et d’effectuer une veille
sanitaire, afin notamment d’identifier d’éventuelles complications
récurrentes (amélioration de la pharmacovigilance) ; de prédire la
survenue d’épidémies.
• Le big data est donc une aide précieuse à la conduite des politiques
de santé, pour l’optimisation du système de soins.
19. • Pour traiter les Big Data de manière efficace, plusieurs éléments
sont nécessaires.
• Infrastructure: systèmes de stockage (cluster ou cloud),
traitement distribué
• prendre en compte et à optimiser les 5V du big data. le
Volume, la Vitesse, la Variété, la Valeur et la Véracité.
• Sécurité et confidentialité