Téléchargé 16 fois
Téléchargé parNathalie Aussenac-Gilles
Big data et santé : enjeux techniques
Le document examine les enjeux liés au big data dans le domaine de la santé, en mettant l'accent sur les données cliniques, l'analyse, et les infrastructures nécessaires. Il aborde les défis techniques tels que la gestion de la qualité des données, la sécurité, et l'éthique, tout en soulignant l'importance des données pour améliorer les soins et réduire les coûts. Des projets et thèses en cours à l'IRIT sur l'analyse des données de santé et l'apprentissage automatique sont également présentés.
Big data et santé : enjeux techniques
- 1. Big data etsanté : enjeux techniques Nathalie AUSSENAC-GILLES DR CNRS, IRIT aussenac@irit.fr 2 axes prioritaires à l’IRIT en lien avec ces questions • Masses de données et calcul : contact aussenac@irit.fr • Santé : contact Christophe Jouffrais jouffrais@irit.fr
- 2. Des données auxbesoins • Contexte Réduction coûts de santé Services plus compétitifs Nouvelles sources de données Nouveaux usages de données (assurances, soins à distance, surveillance) Nouveaux potentiels techniques Maintenir la confiance des patients • Données Données d’activité Données cliniques, cohortes Données expérimentales BD pharmaceutique et médicale Données ouvertes Objets connectés (quantified self) Dossiers patients • Besoins Org. des processus cliniques Contrôle des coûts et des pratiques R&D (épidémiologie, pharmacovigilance) Génomique Suivi des patients Veille sanitaire Bienêtre des patients, qualité des soins, soins personnalisés, soins à distance, maintien à domicile
- 3. Contexte scientifique général BIGDATA • Evolution des données : plus de … • Volume • Variété • Vélocité • Véracité • Valeur • Evolution des infrastructures : grandes capacités de stockage, cloud, processeurs très puissants • Emergence de nouveaux besoins : définis à partir des données 17/04/2014 3Evaluation 2014 – Axe Masse de données et Calcul
- 4. Les données desanté : des Big Data ? 4 Evaluation 2014 – Axe Masse de données et Calcul Web Apps Données des hopitaux Suivi patients Imagerie médicale Données de la recherche et publications Données de capteurs : patients à domicile, quantified self Données de réseaux sociaux Diversité des matériels 17/04/2014 Sites spécialisés
- 5.
- 6. Cycle de viedes données Collecte Stockage Entrepôts Modélisation Représentation Analyse Calcul Requête Visualisation Infrastruc- tures Domaines concernés • Informatique • Infrastructures stockage • Calcul haute performance • Apprentissage automatique, théorie des graphes • Algorithmique, complexité • Mathématiques • Statistiques • Algèbre • Algorithmique
- 7. Enjeux techniques liésaux 5V dans ce cycle de vie Collecte Stockage Entrepôts Modélisation Représentation Analyse Calcul Requête Visualisation Infrastruc- tures • Qualité : • gestion des données manquantes • Redonance • Cohérence • Documentations • Production de méta-données • Gestion de flux de données • Filtrage • Échantillonnage • Traitements à la volée • Ethique • Autorisation collecte • Droit d’usage • Anonymisation
- 8. Enjeux liés aux5V dans ce cycle de vie Collecte Stockage Entrepôts Modélisation Représentation Analyse Calcul Requête Visualisation Infrastruc- tures • Insfrastructure • Clusters de PC • Grilles, Cloud • Sécurité et accès • Architecture de gestion des données • Fichiers • BD classiques • Entrepôts NoSQL
- 9. Enjeux liés aux5V dans ce cycle de vie Collecte Stockage Entrepôts Modélisation Représentation Analyse Calcul Requête Visualisation Infrastruc- tures • Agrégation de données • Gestion hétérogénéité des formats • Exploitation méta-données • Résumés • Modèles mathématiques d’agrégation, réduction de dimensions … • Indexation • Optimisation accès • Prise en compte des usages • Modélisation sémantique • Typage par des ontologies • Formats standards RDF
- 10. BioPortal, portail d’accèsà des centaines d’ontologies
- 11. Enjeux liés aux5V dans ce cycle de vie Collecte Stockage Entrepôts Modélisation Représentation Analyse Calcul Requête Visualisation Infrastruc- tures • Objectifs • Fouille de données • recherche de régularité, classification, corélations • Extraction de connaissances • Algorithmique • Calculs statistiques sur grands volumes de données • Réductions de dimension, partitionnement, … • Apprentissage automatique, etc • Accès aux données • Rapprocher données et services • Limiter les transferts • Calcul • Cartes graphiques • Calcul parallèle
- 12. Enjeux liés aux5V dans ce cycle de vie Collecte Stockage Entrepôts Modélisation Représentation Analyse Calcul Requête Visualisation Infrastruc- tures • Performances • Rapidité d’axxès • Accès - visulisation • Diversification des modalités • (cartes, graphiques, ..) • Vues synthétiques versus détails • Requêtes • Requêtes sur données distribuées • Problèmes de cohérence des réponses • Requêtes en langage naturel • Niveaux de langage (expert/ vulgarisation)
- 13. (Big) data ensanté à l’IRIT … • Données d’images médicale : analyse d’image, recherche d’anomalies, aide au diagnostic (équipe TCI) • Données de santé structurées /semi structurées – appréhender les données du PMSI • Thèse (Ghazar Chabandarian) en collaboration IRIT/ ISIS/ Centre hospitalier Castres Mazamet : Elicitation de contexte dans le cadre d’une aide au codage des diagnostics secondaires. … Fouille de données / Apprentissage • Données de santé textuelles – Proposer des nouveaux outils pour la recherche d’information (équipes IRIS et ELIPSE) • Thèse (Gia-Hung Nguyen) IRIT : exploration d’outils de deep learning pour réaliser un matching entre requêtes et documents, en prenant en compte des connaissances médicales. – Analyse de collections de textes scientifiques, extraction d’information (équipes MELODI, IRIS et SIG) • Données issues de capteurs – Représentation et échange des données (architectures…) , utilisation des données (détection d’activité, ..) • Thèse (Rita Zgheib) IRIT/ Champollion : Semantic Message Oriented Middleware pour la detection d’activité. – Modélisation sémantique de données issues de capteurs en vue de la détection et réparation d’anomalies • Thèse de N. Seydoux, IRIT /LAAS enc. N Hernandez