Présentation pour le meetup Les Données de la Santé le 23 mai 2017 aux Grands Voisins (ancien Hôpital Saint-Vincent)

1. 1er mars 2016
Dr Alain Livartowski - Julien Guérin 23 mai 2017
1
Innovation dans le traitement
des données

2. Big Data
Données non structurées
Images
Données de séquençage
Data
Biométrie
Statistique
« classique »
?

3. Un océan de données
3Institut Curie – Alain Livartowski - Julien Guérin
PMSI
Bases de
données
Elios NG
> 460.000 patients
> 10 M documents
> 400 M concepts
Fiche tumeur
> 250.000
Traitements
Chimio
Chirurgie
Radiothérapie
Immuno
Images
> 100 TB de données
Données
Biologiques
CRB
> 500.000
Échantillons
Cryopréservés

4. Big data et cancer
Données « en vie réelle »
Pas de sélection de population
Concerne 85 % + 15 % des patients
Les limites peuvent-elles être repoussées ?
Adapté aux maladies rares
Nombre très grand de variables étudiées
Contrôle des biais
Pour quelles retombées ?

5. Prélèvements Séquençage CAD
Variant call File
Utiliser toutes les données disponibles
Données cliniques
Images
Données structurées
radiologiques
Anatomo-pathologiques
(VCF)
Données textuelles

6. Textes
Images
Données
structurées
Etape 1 – entrepôt de données
Autres :
Ex : NGS

7. Modélisation
Données
inférées ou
calculées
Contrôle qualité
Etape 2

8. The main steps
8Institut Curie – Alain Livartowski and Julien Guérin 29 May 2017
Modelize Build Integrate
Analyze
And Share
Neoplasm
Primary
Neoplasm
Relapse Metastatic
relapse
Co-morbidity and Adverse Events
Related diseases
Antecedents and
Risk Factors
T0
Patient history

13. DRG
Demogra
phics
Drugs EHR
Tumor
caracter
istics
Biobanks
6 datasources
7 standards : CIM-10, CIM-O-3, ADICAP, SNOMED 3.5, COSMIC, CCAM, Vidal
Extraction & Transformation Annotation Inference Publication
Enrich
ConSoRe
Continuum Soins Recherche

14. ConSoRe
Institut Curie – Julien Guérin – ConSoRe : accelerating the continuum bench to bedside 14
Files
parsing
Extracting
metadata
Extracting
concepts
(Temis
Luxid)
Enrichment Transformation
Search
engine
indexation
RDF
generation
Triplestore
injection
Enrichment with
SparQL rules
ConSoRe
Continuum Soins Recherche
ConSoRe +
Continuum Soins Recherche
De ConSoRe à ConSoRe+
Data
sources
(XML)
29 mai 2017

15. Etape 3 – analyse des données
Données Technique analyse Hypothèse/connaissance
NLP/NLU
IA
ML/DL
cas similaires
cancer et thrombose
co-médication

16. 16
Le traitement automatique du langage naturel
Kusnet et al. 2015

17. Etape 4 – monter des projets mutli-centriques
co-médication
Cancer du sein et
leucémies induites

18. Disposer d’une liste de patients, de tumeurs, de spécimens biologiques sur
critères et extraire une information structurée
Aide au diagnostic, prédire l’évolution (avec un indice de confiance)
Aider la recherche, la recherche clinique, l’inclusion dans les essais
Trouver des « cas similaires », chez moi, dans mon entourage, ailleurs
Aider le quotidien : préparation des RCP, synthèse automatique,
Aider le patient à distance : eSanté, recueil des signes et symptômes,
Analyse automatique des images, des textes, des données génomiques
Alerte sanitaire, pharmaco-vigilance, matério-vigilance, épidémiologie
Données de la « vraie vie », de l’environnement, consommation médicamenteuse
Etc.