Exploration et système de recommandation pour l’aide au raisonnement médical

Abstract

Avec la multiplication des systèmes d’information liés à la santé, l’analyse a posteriori des données médicales est un enjeu important. Les informations et les connaissances potentiellement contenues dans ces gigantesques bases de données sont nombreuses mis nécessite un travail considérable pour émerger. L’approche classique consiste à définir une problématique médicale, filtrer les données et utiliser un modèle informatique et statistique pour répondre à la question posée. En l’absence d’une problématique clairement posée, il est nécessaire d’explorer, visualiser, observer et comprendre les données pour faire émerger des hypothèses médicales. Nous proposons une solution algorithmique et logicielle qui permet d’effectuer une exploration préliminaire de ces masses de données. Cette outil constitue une sorte de guide pour la « fouille » puis suggère, à la manière d’un système de recommandation, des associations entre patients, en utilisant des indicateurs de pertinence. Notre solution, basée-instances, est centrée sur le patient et permet d’accroître le raisonnement par analogie de l’utilisateur.

Joris Falip

Associate professor

My research interests include artificial intelligence, exploratory data analysis and coding.