Développement d'une solution d'intégration de données comme outil de soin et de recherche en microbiologie clinique

Building a data integration solution applied to care and research in clinical microbiology

• Auteur / Autrice : Andriamiharimamy Rajaonison
• Direction : Jean-Marc Rolain, Patrice Grilli, Hervé Chaudet
• Type : Thèse de doctorat
• Discipline(s) : Biologie santé. Génomique et bioinformatique
• Date : Soutenance le 26/11/2021
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Sciences de la Vie et de la Santé (Marseille)
• Partenaire(s) de recherche : Laboratoire : Méditerranée Infection - Vitrome (Marseille) - Mephi (Marseille)
• Jury : Président / Présidente : Marie Kempf
• Jury : Rapporteur / Rapporteuse : Frédéric Barbut, Eid Azar

Mots clés

Mots clés contrôlés

Apprentissage machine

Informatique médicale

Bioinformatique

Microbiologie

Mots clés libres

Informatique médicale

Microbiologie

Bioinformatique

Machine learning

Medical Informatics

Microbiology

Bioinformatics

Machine learning

Résumé

Ce concentrateur de données permet le développement de connecteurs entre les systèmes et la création de nouveaux usages grâce aux interactions. Trois domaines d’application ont ainsi été explorés. La première concerne l’intégration des identifications bactériennes et leurs sensibilités aux antibiotiques. L’intégration a permis de standardiser les flux de données de bactériologie et d’introduire un logiciel de machine learning (Antilogic). Antilogic interprète les photos des antibiogrammes de souches cliniques de manière automatique et rend le résultat aux cliniciens sans l’intervention d’un biologiste. La deuxième application est la constitution d’un entrepôt de données orienté biospecimen et l’intégration d’une biobanque robotisée mise en route pour répondre à la pandémie à COVID-19. Le projet Enovacom Biobank sert à la fois le laboratoire de diagnostic clinique en gérant les prélèvements de patients et les activités de recherche en mettant à disposition les données pseudonymisées. Le troisième domaine d’application est un pipeline d’analyse génomique (CGenHub) réalisant six analyses génomiques en automatique basé sur des outils issus de la communauté scientifique. CGenHub est un outil standardisé d’analyses génomiques qui offre une interface intégrée de visualisation des résultats aux cliniciens sans connaissance préalable en bioinformatique. En conclusion, le concentrateur de données facilite l’intégration des innovations scientifiques au laboratoire de diagnostic pour améliorer la prise en charge du patient et offre de nouvelles perspectives sur l’intégration des données phénotypiques et interactomiques (génomes, protéomes, transcriptomes…).

The data hub allows the development of connectors between systems and the creation of new usages thanks to these interactions. Three areas of application have been explored. The first concerns the integration of bacterial identifications and their susceptibility to antibiotics. The integration has allowed the standardization of bacteriology data flows and the introduction of a machine learning software (Antilogic). Antilogic automatically interprets photos of antibiograms of clinical strains and returns the results to clinicians without the intervention of a biologist. The second application is the constitution of a biospecimen data warehouse, and the integration of a robotic biobank set up to respond to the COVID-19 pandemic. The Enovacom Biobank project serves both the clinical diagnostic laboratory by managing patient samples and research activities by making pseudonymized data available. Finally, we have created a genomic analysis pipeline (CGenHub) performing six automated genomic analyses based on tools from the scientific community. CGenHub is a standardized genomic analysis tool that provides an integrated interface for the visualization of results to clinicians without prior bioinformatics knowledge. In conclusion, the data hub facilitates the integration of scientific innovations in the diagnostic laboratory to improve patient management and offers new perspectives on the integration of phenotype and interactomic data (genomes, proteomes, transcriptomes, etc.).