Phénotypage piloté par une ontologie à partir de données du Dossier Patient Informatisé

Ontology-driven phenotyping from Electronic Health Record

• Auteur / Autrice : Kokou Awuklu
• Direction : Fleur Mougin, Meghyn Bienvenu
• Type : Projet de thèse
• Discipline(s) : Santé publique Option Informatique et Santé
• Date : Inscription en doctorat le 12/09/2022
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sociétés, politique, santé publique (Talence, Gironde ; 2011-....)
• Partenaire(s) de recherche : Laboratoire : Bordeaux Population Health Research Center
• Partenaire(s) de recherche : Equipe de recherche : E9 - Assessing Health in Digitalising real-world setting : pharmacoepi and beyond_AHeaD

Mots clés

Mots clés libres

Qualité des données

Omqa

Dpi

Data quality

Omqa

Ehr

Résumé

Avec l'adoption croissante des dossiers patients informatisés, la quantité de données numériques produites au chevet des patients augmente rapidement. Ces données offrent de nouvelles perspectives pour créer et diffuser de nouvelles connaissances mais aussi pour envisager la mise en œuvre d'une médecine personnalisée et prédictive. En effet, l'exploitation secondaire des données biomédicales produites tout au long du parcours de soins des patients est un enjeu crucial et fait l'objet de nombreuses études depuis plusieurs années. Bien que des plateformes d'utilisation secondaire des données biomédicales présentes dans les dossiers patients informatisés aient été développées, leur adoption et leur mise en œuvre demeurent lentes et l'exploitation de ces données par des experts cliniciens et chercheurs reste complexe à mettre en œuvre. L'utilisation secondaire des données issues des dossiers patients informatisés n'est donc pas une tâche aisée. En particulier, l'utilisation des dossiers patients informatisés bruts à des fins de phénotypage (identification de patients en fonction de leurs caractéristiques cliniques) reste un défi. L'interrogation de ces données pour identifier les patients correspondant à un phénotype spécifique aboutit souvent à un ensemble de patients incomplet et bruité en raison de données imparfaites, erronées et incohérentes. Cette information doit alors être extraite de documents en texte libre ou déduite d'autres types d'informations disponibles (traitements, actes chirurgicaux...). Enfin, les informations partagées par des professionnels de santé dans le cadre du soin reposent sur une base de connaissances communes et de nombreuses informations ne sont pas explicites au sein des données. Il est donc nécessaire d'identifier les patients qui répondent à ces critères et de les classer en fonction de la cohérence et de l'exhaustivité de leurs données dans un contexte de données hétérogènes incomplètes, dépendantes du temps et de connaissances externes. L'accès aux données au travers d'une ontologie est une approche déclarative prometteuse qui exploite les connaissances sémantiques et le raisonnement automatique pour combler l'écart entre les besoins d'informations des utilisateurs et la manière dont les données sont réellement stockées. Alors que les systèmes exploitant cette approche gagnent en maturité, il serait intéressant d'étudier leur apport dans le contexte de l'utilisation secondaire des données de santé.

With the increasing adoption of electronic patient records, the amount of digital data generated at the bedside is growing rapidly. This data offers new perspectives for creating and disseminating new knowledge, but also for the implementation of personalized and predictive medicine. Indeed, the secondary use of biomedical data produced throughout the patient care pathway is a crucial issue and has been the subject of numerous studies for several years. Although platforms for the secondary use of biomedical data present in electronic health records have been developed, their adoption and implementation remain slow and the exploitation of these data by clinical experts and researchers remains complex to implement. The secondary use of data from electronic patient records is therefore not an easy task. In particular, the use of raw electronic patient records for phenotyping purposes (identification of patients according to their clinical characteristics) remains a challenge. Querying these data to identify patients with a specific phenotype often results in an incomplete and noisy set of patients due to imperfect, erroneous and inconsistent data. This information must then be extracted from free text documents or deduced from other types of available information (treatments, surgical procedures, etc.). Finally, the information shared by health professionals in the context of care is based on a common knowledge base and much information is not explicit in the data. It is therefore necessary to identify patients who meet these criteria and to classify them according to the consistency and completeness of their data in a context of incomplete heterogeneous data, dependent on time and external knowledge. Accessing data through an ontology is a promising declarative approach that exploits semantic knowledge and automatic reasoning to bridge the gap between users' information needs and the way data is actually stored. As systems exploiting this approach grow in maturity, it would be interesting to study their contribution in the context of secondary use of health data.