L’Entrepôt de données de santé de l’AP-HP au cœur d’une avancée majeure en détection de pathologies grâce à l’IA.
Les équipes de data scientists de l’Entrepôt de Données de Santé de l’AP-HP (EDS AP-HP) jouent un rôle clé dans la valorisation des données de santé en développant et en partageant des outils d’intelligence artificielle (IA) en open source. Grâce à leur expertise, ces outils permettent d’exploiter plus efficacement les données de l’EDS pour faire avancer la recherche médicale.
18 nouveaux algorithmes d’IA pour détecter des problèmes de santé !
L’équipe de DataScience du pôle Innovation et Données de l’EDS AP-HP a récemment franchi une étape majeure en développant 18 nouveaux algorithmes d’intelligence artificielle permettant de détecter automatiquement des comorbidités à partir de données enregistrées dans les dossiers médicaux des patients, tout en garantissant la protection de leurs données.
- 18 algorithmes pour l’extraction des comorbidités :
L’enjeu ? Permettre une exploitation robuste et simplifiée d’informations cliniques pertinentes via leur extraction automatique au sein de comptes rendus rédigés par les personnels hospitaliers. Une tâche complexe, mais indispensable pour la majorité des projets menés sur l’EDS. Ces algorithmes ont été développés via un mode de travail novateur facilitant la collaboration entre experts techniques et médicaux, tout en garantissant une protection optimale des données de santé sensibles.
Ces algorithmes sont accessibles en open source : https://github.com/aphp
Pourquoi c’est important ?
- Ces travaux, fruits d’une collaboration entre cliniciens, experts techniques et académiques (Sorbonne Université), ouvrent de nouvelles perspectives pour l’exploitation des comptes rendus cliniques au-delà du soin. Tout en mettant un accent fort sur la protection de ces données via le respect du règlement général sur la protection des données (RGPD).
- Le partage de ces outils créés par l’EDS en open source en fait de véritables accélérateurs pour l’analyse et l’exploitation des documents car ils peuvent bénéficier à de nombreux projets en parallèle.
- La démarche de partage et de diffusion de ces modèles a été soulignée par plusieurs partenaires hospitaliers et économiques, comme un signal fort de l’expertise et du dynamisme des équipes Innovation & Données de la Direction des Services Numériques de l’AP-HP dans l’écosystème de l’IA en santé.
Ces travaux ont donné lieu à la publication de deux articles :
- “Development and Validation of a Natural Language Processing Algorithm to Pseudonymize Documents in the Context of a Clinical Data Warehouse”, publié en mars 2024, dans la revue Methods of information in medecine, sur la pseudonymisation des documents cliniques ;
- « Collaborative and privacy-enhancing workflows on a clinical data warehouse: an example developing natural language processing pipelines to detect medical conditions« , publié dans le numéro d’avril 2024 du Journal of the American Medical Informatics Association, sur l’extraction de comorbidités.
