Projet IADB
Le projet IADB vise à améliorer le pronostique médical et
l'assistance à la prise de décision dans le domaine clinique par
des techniques d'analyse de masses de données. Il met en résonance
des compétences en traitement de la langue naturelle (pour
extraire une information symbolique des comptes rendus médicaux),
en intégration de masses de données (pour amplifier la puissance
statistique des processus d'analyse par l'intégration de très
grandes cohortes médicales) et en apprentissage profond (pour
classifier les données selon des indications pathologiques ou
répondre à des questions cliniques). Les études préliminaires sont
extrêmement prometteuses sur la capacité des techniques
d'apprentissage profond à fournir des pronostiques utiles dans la
pratique clinique et l'intégration des compétences des différentes
discipline (médecine, TAL, masses de données, apprentissage,
calcul intensif...) permettra d'aborder deux verrous
supplémentaires extrêmement importants pour la pratique qui sont
la qualité (complétude / véracité) des données exploitées et
la possibilité de traitement avec des ressources de calcul
raisonnables, accessible à des centres cliniques.En mettant en
résonances les compétences diverses des équipes d'UCA (médécine,
TAL, masses de données, apprentissage, calcul intensif), le projet
IADB aborde 3 verrous majeurs dont le traitement simultané ouvre
la porte à une aide fiable au pronostique et à la prise de
décision dans le milieu médical:
- L'apprentissage profond non supervisé sur des
enregistrements cliniques
- L'intégration de cohortes de données cliniques bruitées,
partielles et de très grande taille
- L'optimisation des calculs d'apprentissage profond sur des
architectures accessibles au milieu clinique.
Compte rendu
Quelques pointeurs sur des travaux autour de eHealth (plutôt
vulgarisation)