Phenomix – Phenotypes mixing structured and unstructured data

Les hôpitaux accumulent des données massives d’une grande richesse qui peuvent être réutilisées. De façon parallèle, les informations de la médecine ambulatoire et les causes de décès sont recueillies en France dans le cadre du Système National des Données de Santé (SNDS). La mise en place de modélisations innovantes à partir des dossiers médicaux nécessite de s’intéresser aux données structurées mais également à des données plus complexes telles que le texte libre ou les courbes de résultats de biologie.

Par ailleurs, les méthodes dites d’apprentissage profond permettent d’envisager la construction de représentations nouvelles du dossier patient ; ces représentations construites à partir de données massives, pourraient ensuite être transférées à des données issues de la recherche prospective. Enfin, l’explosion des applications issues de l’apprentissage par renforcement pose la question de l’applicabilité de ces méthodes en santé, pour décider en tenant compte de l’incertitude sur l’information disponible.

Le programme de recherche PHENOMIX vise à développer un ensemble d’outils, de modèles et de composants logiciels permettant, d’une part, la construction d’une représentation de type « patient embedding » puis son utilisation pour prédire la gravité d’une prise en charge ou identifier des groupes de patients homogènes, et, d’autre part, l’application des méthodes d’apprentissage par renforcement aux données massives en santé pour aider à la prise d’une séquence de décisions.

Phenomix grant for medical imaging

 

Principaux Investigateurs (PI) : Vincent Sobanski et Grégoire Ficheur