LES SYSTÈMES INFORMATIQUES
D’AIDE À LA DÉCISION MÉDICALE
Réalisé par:
SI-MOUSSI Sara & BENCHAIB Widad
Groupe 3CS-SIQ 1
Synthèse de recherche
Evalué par:
Dr. KERMI Adel
Mme. KHOURI Selma
SOMMAIRE
Introduction
Les Systèmes informatiques d’aide à la décision médicale
 Définition
 Typologie
 Fonctions
 Approches de conception
 Synthèse
Conclusion et perspectives
Démarche documentaire
Bibliographie 2
INTRODUCTION
 Expansion continue des connaissances médicales: arrivée de nouvelles
maladies  diagnostic plus complexe
 Solution classique: livres et ressources médicales  limites humaines et
temporelles
 Années 1970, avènement de l’intelligence artificielle médicale : sans impact
immédiat
 Années 1990, apparition de systèmes experts et d’aide à la décision médicale
 limites fonctionnelles.
 Années 2000, arrivée d’internet  révolution et large diffusion en ligne
 exploitation dans des entrepôts de données médicales. 3
LES SYSTÈMES
INFORMATIQUES D’AIDE
À LA DÉCISION MÉDICALE
(SADM)
ETAT DE L’ART
4
1. DÉFINITION DES SADMS
5
« Ce sont des applications
informatiques dont le but est de fournir
aux cliniciens en temps et lieux utiles les
informations décrivant la situation clinique
d’un patient ainsi que les connaissances
appropriées à cette situation, correctement
filtrées et présentées afin d’améliorer la
qualité des soins et la santé des patients. »
(Lobach et al., 2007)
David Franklin Lobach,
PhD Biomedical
Engineering – Duke
University
2. TYPOLOGIE
6
1.Les systèmes d’aide
indirecte à la prise de
décision ou d’assistance
documentaire
1.Les systèmes
d’alerte ou de
rappels automatiques
Les systèmes
consultants
Figure 1: « Typologie des systèmes informatiques d’aide à la décision
médicale »
3. AUTRES FONCTIONS
7
Fonctions
pour le
patient
Personnalisatio
n des soins
Adhésion
aux soins
pour les
patients
Autonomi
e
Fonctions
pour
l’établissemen
t
Instrument
d’harmonisatio
n
Promotion
des
bonnes
pratiques
Instrument
d’évaluatio
n
Assurance
qualité
Figure 1I: « Fonctions réalisées par les systèmes informatiques d’aide à la
décision médicale »
4. APPROCHES DE
CONCEPTION
COMMENT IMPLÉMENTE-T-ON LES SADM ?
8
A. APPROCHE NUMÉRIQUE
9
• Variables  Signes physiologiques, les symptômes, résultats d’examens
complémentaires.
• Problème de décision : quel diagnostic Di parmi n autres est approprié ?
• Base de données construite à partir du recueil de K variables tirées des patients
pour lesquels on dispose des diagnostics répartis en n catégories  Base de
données d’apprentissage (supervisé)
• On y retrouve:
 Modèle probabiliste
 Calcul de scores (automatisation de certains tests cliniques)
 Modèles pronostiques (médecine prédictive)
B. APPROCHE SYMBOLIQUE
10
• Modéliser la connaissance
médicale et l’exploiter sur des cas
de patients, dans un domaine
précis ciblé.
• Intelligence artificielle 
Systèmes experts.
• On y retrouve:
• Systèmes experts.
• RPC (Recommandations de
Pratique Clinique).
Moteur
d’inférence
Base de
faits
Base de
connaiss
ances
C. EXEMPLES DE SYSTÈMES
ÉMINENTS
11
Figure III: « Approches de conception des SADM et applications avec exemples de
systèmes » (Séroussi, 2014)
SYNTHÈSE (1)
 La technologie des systèmes d’aide à la décision médicale s’est
consacrée à donner aux cliniciens les outils qui peuvent les aider à
faire les bonnes décisions au bon moment, aider les patients à
bénéficier d’un soin meilleur et sain, avec efficience et faible coût.
 Modestement déployés en pratique.
 Pas d’approche favorite:
 Approche numérique: modèles statistiques contestés.  pronostics d’appui aux
hypothèses des diagnosticiens.
 Approche symbolique: source de connaissance débattue.  normes
nécessaires. 12
SYNTHÈSE (2)
 Recommandations de pratique cliniques sujettes à des critiques :
 Conflits d’intérêts entre organismes producteurs,
 Non appropriation aux cas particuliers.
 Nécessité d’une étroite collaboration entre:
 Développeurs: expliciter la source de la connaissance.
 Médecins: ouverture d’esprit et criticisme.
 Un moyen d’améliorer la qualité des soins, pas une fin en soi.
13
14
« La place des SADM ne
sera ni unique, ni centrale,
et devra se concevoir au
sein d’approches
multidimensionnelles jouant
sur tous les leviers pour
permettre le transfert
efficace des connaissances,
et la promotion des bonnes
pratiques. »
CONCLUSION ET PERSPECTIVES
DÉMARCHE DOCUMENTAIRE
MÉTHODOLOGIE ET ÉVOLUTION DE LA RECHERCHE
15
DÉMARCHE DE RECHERCHE DOCUMENTAIRE
Comprendre
cerner le
projet,
dégager les
concepts
Identifier
les besoins
Choisir les
sources
d’information
Définir le
vocabulaire
traduire les
concepts
par des
mots clés
Interroger les
sources,
rechercher
l’information
Analyser
les
résultats
Traiter et
communiquer
les résultats
16
CONCLUSION DE LA DÉMARCHE
 La démarche vue en cours nous a permis de travailler de manière
méthodique et structurée, d’atteindre le maximum de ressources tout en
gardant trace de nos recherches.
 Cette méthodologie facilite la progression sûre et induit la production d’un
travail propre et de qualité.
17
BIBLIOGRAPHIE
1. Berner, E. S. (2009). Clinical decision support systems: state of the art. Agency for Healthcare Research and
Quality, (9), 4–20.
2. Bonis, P. (2016). Clinical decision support technology: saving lives. JOUR.
3. Sim, I., Gorman, P., Greenes, R. A., Haynes, R. B., Kaplan, B., Lehmann, H., & Tang, P. C. (2001). Clinical decision
support systems for the practice of evidence-based medicine. Journal of the American Medical Informatics
Association : JAMIA, 8(6), 527–534. https://doi.org/10.1136/jamia.2001.0080527
4. Brigitte Séroussi, Jacques Bouaud (2014). Systèmes informatiques d’aide à la décision en médecine : panorama
des approches utilisant les données et les connaissances. Pratique Neurologique- FMC, 2014, 5 (4), pp.303-316.
5. Lobach, D. F., Anstrom, K. J., Russell, M. L., Woods, P., & Smith, D. (2007). Development, deployment and usability
of a point-of-care decision support system for chronic disease management using the recently-approved HL7
decision support service standard. In Medinfo 2007: Proceedings of the 12th World Congress on Health (Medical)
Informatics; Building Sustainable Health Systems (p. 861). CONF, IOS Press.
6. Kermi Adel (2016). UEF 9.2: Recherche Documentaire et Communication dans la Recherche. Ecole nationale
Supérieure d’Informatique.
18
19
Merci
pour votre
aimable attention
ANNEXE: MODÈLE PROBABILISTE
20
MODÈLE PROBABILISTE
21
• Théorème de Bayes  probabilités à postériori pour le vecteur patient dans
chacune des n diagnostics possibles Di.
• P(Di): Prévalence des différents diagnostics dans la base de données
préconstruite.
• P(X/Di): probabilités à priori de X dans le diagnostic Di, estimée par les
fréquences correspondante calculées sur la base de données.
• Prendre le diagnostic le plus probable.
ANNEXE: DÉMARCHE DOCUMENTAIRE DÉTAILLÉE
22
I. COMPRENDRE ET CERNER LE PROJET,
DÉGAGER LES CONCEPTS
 Quoi?
o Les systèmes d’aide à la décision médicale.
 Qui?
o Médecins, Infirmiers, Patients, Garde-malade, Gérants d’établissement de santé
 Quand?
o Depuis les années 1970.
 Où?
o Diffusion internationale.
 Comment?
o Utilisation du Machine Learning , intelligence artificielle .
 Pourquoi?
o Aide au diagnostic, surveillance et aide à la prescription.
23
II. IDENTIFIER LES BESOINS
Degré de profondeur du travail demandé
• Découverte des concepts d’aide à la décision médicale et les systèmes experts existants
Nature de l’information cherché
• Définitions et généralités et types et applications des SADM
Niveau de l’information cherché
• Informations de niveau recherche
Connaissances préalables sur le sujet
• Probabilité et statistique , analyses des données , notions de bases médicales
24
III. CHOISIR LES SOURCES D’INFORMATION
Type d’information
• Informations de synthèse en premier lieu, Informations médicale
Type de document
• Thèses, articles de revue, articles scientifiques
Supports de consultation
• Documents électroniques
Outils d’interrogation
• Moteurs de recherche, bases de données, bibliothèques en ligne
Modalité d’accès au document
• Articles gratuits ou payant en utilisant SNDL et HAL
25
IV. PLANIFICATION DE LA RECHERCHE
1. Définir clairement les besoins de la recherche :
 Généralités sur l’aide à la décision médicale.
 Systèmes d’aide à la décision médicales
 Concepts d’aide à la décision
 Recherche actuelle et perspective
2. Etablir une stratégie de recherche
26
V. DÉFINIR LA VOCABULAIRE,
TRADUIRE LES CONCEPTS PAR LES MOTS
CLÉS
27
Mot clé Acronymes Synonymes Traduction
Clinical decision
support
CDS Medical Decision
Support
Système d’aide à la
décision médicale
Medical expert
system
/ Medical Artifical
Intelligence
Système expert
d’aide à la décision
médicale
Aide à la décision
médicale
/ /
Diagnostic Decision
Support Systems
DDSS / Systèmes d’aide au
diagnostic
VI. INTERROGER LES SOURCE, RECHERCHER
L’INFORMATION
 Les ressources documentaires utilisées:
 HAL
 Thèses de l’INSA Lyon
 Google Scholar
 Google Books
 Le portail SNDL
 Le site web: http://www.theses.fr/
 Utilisation des opérateur booléens :
Clinical Decision Support OU Systèmes Informatiques d’aide à la decision médicale.
28
VII. ANALYSER LES RÉSULTATS
 Critères de sélection
o Nombre de citations
o La réputation de l’auteur
o Pertinence
o Bibliographie utilisée
 Évaluation de la qualité d’information :
o L’objectivité
o L’exactitude
o L’actualité de l’information.
29
• Fiches de lectureOrganiser la documentation
• Utilisation de l’historique du navigateur web,
• Les journaux de bord,
• Les comptes rendus,
• Les outils de veille.
Garder trace des recherches
• Rédaction des références bibliographiques
Anticiper la rédaction du
mémoire
VIII. TRAITER L’INFORMATION
30

Systèmes informatiques d'aide à la décision médicale

  • 1.
    LES SYSTÈMES INFORMATIQUES D’AIDEÀ LA DÉCISION MÉDICALE Réalisé par: SI-MOUSSI Sara & BENCHAIB Widad Groupe 3CS-SIQ 1 Synthèse de recherche Evalué par: Dr. KERMI Adel Mme. KHOURI Selma
  • 2.
    SOMMAIRE Introduction Les Systèmes informatiquesd’aide à la décision médicale  Définition  Typologie  Fonctions  Approches de conception  Synthèse Conclusion et perspectives Démarche documentaire Bibliographie 2
  • 3.
    INTRODUCTION  Expansion continuedes connaissances médicales: arrivée de nouvelles maladies  diagnostic plus complexe  Solution classique: livres et ressources médicales  limites humaines et temporelles  Années 1970, avènement de l’intelligence artificielle médicale : sans impact immédiat  Années 1990, apparition de systèmes experts et d’aide à la décision médicale  limites fonctionnelles.  Années 2000, arrivée d’internet  révolution et large diffusion en ligne  exploitation dans des entrepôts de données médicales. 3
  • 4.
    LES SYSTÈMES INFORMATIQUES D’AIDE ÀLA DÉCISION MÉDICALE (SADM) ETAT DE L’ART 4
  • 5.
    1. DÉFINITION DESSADMS 5 « Ce sont des applications informatiques dont le but est de fournir aux cliniciens en temps et lieux utiles les informations décrivant la situation clinique d’un patient ainsi que les connaissances appropriées à cette situation, correctement filtrées et présentées afin d’améliorer la qualité des soins et la santé des patients. » (Lobach et al., 2007) David Franklin Lobach, PhD Biomedical Engineering – Duke University
  • 6.
    2. TYPOLOGIE 6 1.Les systèmesd’aide indirecte à la prise de décision ou d’assistance documentaire 1.Les systèmes d’alerte ou de rappels automatiques Les systèmes consultants Figure 1: « Typologie des systèmes informatiques d’aide à la décision médicale »
  • 7.
    3. AUTRES FONCTIONS 7 Fonctions pourle patient Personnalisatio n des soins Adhésion aux soins pour les patients Autonomi e Fonctions pour l’établissemen t Instrument d’harmonisatio n Promotion des bonnes pratiques Instrument d’évaluatio n Assurance qualité Figure 1I: « Fonctions réalisées par les systèmes informatiques d’aide à la décision médicale »
  • 8.
    4. APPROCHES DE CONCEPTION COMMENTIMPLÉMENTE-T-ON LES SADM ? 8
  • 9.
    A. APPROCHE NUMÉRIQUE 9 •Variables  Signes physiologiques, les symptômes, résultats d’examens complémentaires. • Problème de décision : quel diagnostic Di parmi n autres est approprié ? • Base de données construite à partir du recueil de K variables tirées des patients pour lesquels on dispose des diagnostics répartis en n catégories  Base de données d’apprentissage (supervisé) • On y retrouve:  Modèle probabiliste  Calcul de scores (automatisation de certains tests cliniques)  Modèles pronostiques (médecine prédictive)
  • 10.
    B. APPROCHE SYMBOLIQUE 10 •Modéliser la connaissance médicale et l’exploiter sur des cas de patients, dans un domaine précis ciblé. • Intelligence artificielle  Systèmes experts. • On y retrouve: • Systèmes experts. • RPC (Recommandations de Pratique Clinique). Moteur d’inférence Base de faits Base de connaiss ances
  • 11.
    C. EXEMPLES DESYSTÈMES ÉMINENTS 11 Figure III: « Approches de conception des SADM et applications avec exemples de systèmes » (Séroussi, 2014)
  • 12.
    SYNTHÈSE (1)  Latechnologie des systèmes d’aide à la décision médicale s’est consacrée à donner aux cliniciens les outils qui peuvent les aider à faire les bonnes décisions au bon moment, aider les patients à bénéficier d’un soin meilleur et sain, avec efficience et faible coût.  Modestement déployés en pratique.  Pas d’approche favorite:  Approche numérique: modèles statistiques contestés.  pronostics d’appui aux hypothèses des diagnosticiens.  Approche symbolique: source de connaissance débattue.  normes nécessaires. 12
  • 13.
    SYNTHÈSE (2)  Recommandationsde pratique cliniques sujettes à des critiques :  Conflits d’intérêts entre organismes producteurs,  Non appropriation aux cas particuliers.  Nécessité d’une étroite collaboration entre:  Développeurs: expliciter la source de la connaissance.  Médecins: ouverture d’esprit et criticisme.  Un moyen d’améliorer la qualité des soins, pas une fin en soi. 13
  • 14.
    14 « La placedes SADM ne sera ni unique, ni centrale, et devra se concevoir au sein d’approches multidimensionnelles jouant sur tous les leviers pour permettre le transfert efficace des connaissances, et la promotion des bonnes pratiques. » CONCLUSION ET PERSPECTIVES
  • 15.
    DÉMARCHE DOCUMENTAIRE MÉTHODOLOGIE ETÉVOLUTION DE LA RECHERCHE 15
  • 16.
    DÉMARCHE DE RECHERCHEDOCUMENTAIRE Comprendre cerner le projet, dégager les concepts Identifier les besoins Choisir les sources d’information Définir le vocabulaire traduire les concepts par des mots clés Interroger les sources, rechercher l’information Analyser les résultats Traiter et communiquer les résultats 16
  • 17.
    CONCLUSION DE LADÉMARCHE  La démarche vue en cours nous a permis de travailler de manière méthodique et structurée, d’atteindre le maximum de ressources tout en gardant trace de nos recherches.  Cette méthodologie facilite la progression sûre et induit la production d’un travail propre et de qualité. 17
  • 18.
    BIBLIOGRAPHIE 1. Berner, E.S. (2009). Clinical decision support systems: state of the art. Agency for Healthcare Research and Quality, (9), 4–20. 2. Bonis, P. (2016). Clinical decision support technology: saving lives. JOUR. 3. Sim, I., Gorman, P., Greenes, R. A., Haynes, R. B., Kaplan, B., Lehmann, H., & Tang, P. C. (2001). Clinical decision support systems for the practice of evidence-based medicine. Journal of the American Medical Informatics Association : JAMIA, 8(6), 527–534. https://doi.org/10.1136/jamia.2001.0080527 4. Brigitte Séroussi, Jacques Bouaud (2014). Systèmes informatiques d’aide à la décision en médecine : panorama des approches utilisant les données et les connaissances. Pratique Neurologique- FMC, 2014, 5 (4), pp.303-316. 5. Lobach, D. F., Anstrom, K. J., Russell, M. L., Woods, P., & Smith, D. (2007). Development, deployment and usability of a point-of-care decision support system for chronic disease management using the recently-approved HL7 decision support service standard. In Medinfo 2007: Proceedings of the 12th World Congress on Health (Medical) Informatics; Building Sustainable Health Systems (p. 861). CONF, IOS Press. 6. Kermi Adel (2016). UEF 9.2: Recherche Documentaire et Communication dans la Recherche. Ecole nationale Supérieure d’Informatique. 18
  • 19.
  • 20.
  • 21.
    MODÈLE PROBABILISTE 21 • Théorèmede Bayes  probabilités à postériori pour le vecteur patient dans chacune des n diagnostics possibles Di. • P(Di): Prévalence des différents diagnostics dans la base de données préconstruite. • P(X/Di): probabilités à priori de X dans le diagnostic Di, estimée par les fréquences correspondante calculées sur la base de données. • Prendre le diagnostic le plus probable.
  • 22.
  • 23.
    I. COMPRENDRE ETCERNER LE PROJET, DÉGAGER LES CONCEPTS  Quoi? o Les systèmes d’aide à la décision médicale.  Qui? o Médecins, Infirmiers, Patients, Garde-malade, Gérants d’établissement de santé  Quand? o Depuis les années 1970.  Où? o Diffusion internationale.  Comment? o Utilisation du Machine Learning , intelligence artificielle .  Pourquoi? o Aide au diagnostic, surveillance et aide à la prescription. 23
  • 24.
    II. IDENTIFIER LESBESOINS Degré de profondeur du travail demandé • Découverte des concepts d’aide à la décision médicale et les systèmes experts existants Nature de l’information cherché • Définitions et généralités et types et applications des SADM Niveau de l’information cherché • Informations de niveau recherche Connaissances préalables sur le sujet • Probabilité et statistique , analyses des données , notions de bases médicales 24
  • 25.
    III. CHOISIR LESSOURCES D’INFORMATION Type d’information • Informations de synthèse en premier lieu, Informations médicale Type de document • Thèses, articles de revue, articles scientifiques Supports de consultation • Documents électroniques Outils d’interrogation • Moteurs de recherche, bases de données, bibliothèques en ligne Modalité d’accès au document • Articles gratuits ou payant en utilisant SNDL et HAL 25
  • 26.
    IV. PLANIFICATION DELA RECHERCHE 1. Définir clairement les besoins de la recherche :  Généralités sur l’aide à la décision médicale.  Systèmes d’aide à la décision médicales  Concepts d’aide à la décision  Recherche actuelle et perspective 2. Etablir une stratégie de recherche 26
  • 27.
    V. DÉFINIR LAVOCABULAIRE, TRADUIRE LES CONCEPTS PAR LES MOTS CLÉS 27 Mot clé Acronymes Synonymes Traduction Clinical decision support CDS Medical Decision Support Système d’aide à la décision médicale Medical expert system / Medical Artifical Intelligence Système expert d’aide à la décision médicale Aide à la décision médicale / / Diagnostic Decision Support Systems DDSS / Systèmes d’aide au diagnostic
  • 28.
    VI. INTERROGER LESSOURCE, RECHERCHER L’INFORMATION  Les ressources documentaires utilisées:  HAL  Thèses de l’INSA Lyon  Google Scholar  Google Books  Le portail SNDL  Le site web: http://www.theses.fr/  Utilisation des opérateur booléens : Clinical Decision Support OU Systèmes Informatiques d’aide à la decision médicale. 28
  • 29.
    VII. ANALYSER LESRÉSULTATS  Critères de sélection o Nombre de citations o La réputation de l’auteur o Pertinence o Bibliographie utilisée  Évaluation de la qualité d’information : o L’objectivité o L’exactitude o L’actualité de l’information. 29
  • 30.
    • Fiches delectureOrganiser la documentation • Utilisation de l’historique du navigateur web, • Les journaux de bord, • Les comptes rendus, • Les outils de veille. Garder trace des recherches • Rédaction des références bibliographiques Anticiper la rédaction du mémoire VIII. TRAITER L’INFORMATION 30

Notes de l'éditeur

  • #8 1 min On parle plus souvent de SADM destinés au cliniciens. Et pourtant on retrouve bien des systèmes destinés aux patients. Leur objectif est de personnaliser le soin au patient le plus possible, de lui fournir des informations de vulgarisation afin qu’il adhère plus aisément aux soins tout en permettant parfois des fonctions autonomes tel que la surveillance des signes physiologiques.
  • #10 1 min Les P(Di) qui représentent la prévalence des différents diagnostics et les P(X/Di), qui représentent les probabilités a priori des associations X de variables dans les diagnostics Di sont estimées par les fréquences correspondantes calculées sur la base de données
  • #11 1 min
  • #12 2 min Adjuvant: prédiction de la réponse au traitement en cancérologie 2001 Radvin Mycin: diagnostic et traitement des maladies infectieuses Stanford Shortliffe 75 Dxplain: plusieurs diagnostics + proba + référence MGH 87
  • #22 Les P(Di) qui représentent la prévalence des différents diagnostics et les P(X/Di), qui représentent les probabilités a priori des associations X de variables dans les diagnostics Di sont estimées par les fréquences correspondantes calculées sur la base de données