Moteur de Recherche Sémantique

4 février 2020

Romain LELONG, PhD

Centre Hospitalier Universitaire de Rouen & LIMICS, INSERM U1142

25 ans

EDSaN : Entrepôt de Données de Santé Normand

ECMT

EDSaN

Annotateur sémantique Serveur

Terminologique/Ontologique

Apport sémantique

EDSaN : Entrepôt de Données de Santé Normand

ECMT

EDSaN

Annotateur sémantique Serveur

Terminologique/Ontologique

Apport sémantique

Moteur de recherche sémantique

Langage de requête spécifique

Interface utilisateur

Problématique : Des données cibles variées

Imagerie

Prescription

Urgence

Médicaments

Textes cliniques

PMSI

Biologie

Chimio

HEO

Pharma

UrQual

CDP CPage

Chimio

DxLab

RIS

PACS

…

Info Patient

Données issues de divers

spécialités médicales

Produites par des sous-systèmes

différents

Pour répondre à des besoins différents

Et donc, un modèle conceptuel de données « complexe »

Texte clinique

Patient

Diagnostic Sejour

Biologie

Concept

Acte

Unité médicale

CIM10

CCAM

14 282 055

16 975 490

121 129 957

10 422 444

8 931 601

Données complexes et

interconnectées

1 928 913

Données Volumineuse

Formats de donnée

différents

Un moteur de recherche muni d’un langage de requête logique

Texte clinique

Patient

Diagnostic Sejour

Biologie

Concept

Acte

Unité médicale

CIM10

CCAM

SEJOURS( PATIENTS(PATIENTS.SEXE="1") ET DIAGNOSTICS( T_DESC_ICD10_CATEGORY [EXPL="DOWN"] {IND_PMSI}(id=“ICD_CA_J45")) ET EDS_ANA[FILTERS="IND_EDS_ANA_EDS_TYPE_ANA#EDS_BIO_GAZSATU"](EDS_ANA.RES<=90))

Langage orienté entité

Permettant l’exploitation de

l’apport sémantique

Syntaxe définie, validée et

implémentée à l’aide d’une Grammaire

formelle

1ère étape : Définition des contraintes

2ème étape : Agrégation des contraintes en requête

3ème étape : Choix de l’entité de sortie

Etude : Objectif et Méthode

Méthode

36 critères d’inclusion 59 critères

d’exclusion

Evaluer la capacité du système à répondre à 95 critères issus de 5 études cliniques du CHU de Rouen.

Étude exploratoire : évaluer les « forces et faiblesses » du système.

Lelong Romain; Soualmia, Lina F; Grosjean, Julien; Taalba, Mehdi & Darmoni, SJ. Building a Semantic Health Data Warehouse in the Context of Clinical Trials: Development and Usability Study, JMIR Medical Informatics 2019 Dec 20;7(4):e13917. doi: 10.2196/13917.

Objectif

Etude : Méthodologie

Méthodologie

Observation empirique de trois propriétés :

Niveau de prise en charge du

critère

Les sources d’informations

ciblées

Les limitations observées

Données patients

Données PMSI

Données de séjours

Données biologique

Textes cliniques

Informations externes

Aucune

Données inconsistantes

Recherche imprécise

Limitation technique

Critère subjectif/générique

Communication

Total

Précis

Partiel

Imprécis

Inopérant

Non-Applicable (N/A)

Etude : Résultat (Niveau de prise en charge)

Etude : Résultat (Sources d’information utilisées)

Patient

PMSI

Séjours, Unités, …

Biologie

Textes cliniques

Info externes

Source taux pourcentage

Textes cliniques 37/95 38,95%

PMSI 36/95 37,89%

Info externes 26/95 27,36%

Biologie 14/95 14,73%

Séjours 8/95 8,42%

Patient 7/95 3,37%

Résultat : Mise en correspondance des trois propriétés

…

Perspectives : 2020 – 202n

Analyse de la PME Alicante :

Nécessité de deux serveurs puissants pour CHU Rouen : 120 K€ matériel

Si volonté d’être utilisé en CH :

Migration du paradigme « langage formel » vers une application « modulaire » (Labo, médicaments, PSMI, …) + intégration avec Doc’EDS

Moteur sémantique Module Sejour Module

Diag

Module Patient

Module Acte

Module CR

Migration

Conclusion

Adaptabilité aux cas d’usages : Langage de requête vs. formulaires « figés ».

Exhaustivité : Possibilité d’atteindre et de rechercher n’importe quelle élément d’information du modèle conceptuel de donné.

Globalement de bon temps de réponse.

Syntaxe complexe du Langage de requête (nécessité de connaître le model conceptuel de donnée pour formuler des requêtes)

Architecture matériel requise lourde (Serveur de 144 cœur + 1 To de RAM)

Les textes cliniques restent :

Une source d’information majeure;

Une limitation majeure en terme de recherche d’information.

Thèse d’informatique de l’Université Rouen Normandie, LITIS : Romain Lelong. Accès sémantique aux données massives et hétérogènes en santé. Juin, 2019

Merci pour votre attention

Des questions ?

25 ans