614 - Le CIRIUS et les défis des systèmes de santé apprenants de demain : exemple d’application aux maladies rares à travers le réseau franco-québécois Ensemble

Dans le domaine de la santé, les systèmes d’information utilisent des terminologies différentes pour les mêmes concepts. Un serveur multi-terminologique(SMT) fournit une gamme de services permettant de définir et de mettre en correspondance plusieurs terminologies. De plus, un SMT doit faciliter l’utilisation des terminologies pour un grand nombre d’applications, échanger des données avec d’autres serveurs, mettre en relation des concepts, fournir des méthodes de recensement des terminologies utilisées par sources et exécuter des requêtes diverses.

PARS3 est une plateforme d’accès aux données de santé et services sociaux qui offre un service sécuritaire de collecte de données ontologiquement annotées. La collecte est réalisée selon un plan préalablement approuvé. Afin de faciliter l’élaboration de plan, PARS3 doit interagir de façon privilégiée avec un SMT.

Afin de choisir un SMT de référence, cinq exigences (efficience, utilisabilité, sécurité, intégrabilité de terminologies hétérogènes et recensement des terminologies par source) ont été définies ainsi que les critères correspondants. Cinq SMT (LexEVS, HeTOP, BioPortal, Ontoserver, Snow Owl) ont été comparés selon ces critères. Il en ressort que LexEVS, BioPortal et Snow Owl se démarquent en satisfaisant quatre exigences sur cinq, la capacité de recenser les termes et terminologies par source faisant défaut.

L’étude a ainsi permis de cibler les fonctionnalités qui devront être développées pour satisfaire les besoins de PARS3.

Objectif de la recherche: Développer un outils interprétable pour la classifications automatique des lésions rénales à partir d’ images IRM. La calssification est effectuée selon la nature, maligne ou bénigne des tumeurs et selon leur sous-type et leur grade pour les tumeurs malignes.
Problématique: Les réseaux de type ResNet 2D sont connu pour obtenir de bons résultats dans ce type de classification. L’extension d’un réseau de neurone de type ResNet 2D à un réseau de type ResNet 3D peut-elle améliorer la précision des classifications.
Méthodologie: Un modèle de ResNet 3D a été concu et ses performances comparées à celles d’un réseau ResNet 2D modifié et pré-entrainé publié en 2020 et à un SVM utilisant uniquement des données cliniques. Les images IRM de 1076 patients, provenant de 5 institution, ont été utilisées pour entrainer (80%) et tester (20%) les deux réseaux ResNet. Pour le réseau 2D les données cliniques ont également été utilisées comme entrées.
Résultats: Le ResNet 3D obtient de meilleurs résultats dans 2 des 3 tâches. Sa précision est de 79.4%, 82.1% et 55.7% pour la classification de la malignité, du sous-type et du grade respectivement, contre 77.5%, 67.0% et 58.2% pour le modèle n’utilisant que les données cliniques et 77.3%, 76.8% et 66.5% pour le ResNet 2D.
Discussion: Malgré le fait que le ResNet 3D proposé ne soit pas pré-entrainé et n’utilise pas les données cliniques, ses performances sont prometteuses. Les données cliniques seront intégrées dans le futur.

La majorité des cyberattaques qui impliquent des organisations de santé ont pour conséquence le vol de données. Lors de l’enquête, les officiers ont de la difficulté à identifier les objets volés et à définir les stratégies de défense. Ces difficultés sont dues par la complexité des systèmes et au manque d’outil pour assurer la traçabilité.

Afin d’appréhender ces difficultés, la stratégie de défense en profondeur est adoptée pour atténuer les menaces. Toutefois, les modèles existants ne couvrent pas l’ensemble du cycle de vie des données et les caractéristiques de sécurité associées.

La couverture de ces caractéristiques passe par une formalisation des processus qui manipulent des données classifiées. Ceci permet un suivi temporel des propriétés de sécurité et offre une vision complète du cycle de vie des ressources granulaires. La caractérisation se traduit par une modélisation de flux de données affiliés à des critères de sécurité selon un contexte défini. L’implémentation sous la forme d’un automate sert à valider le respect des exigences. L’évaluation de la sécurité des ressources est réalisée en introduisant des métriques en fonction de la classification des données, le contexte et les moyens de défense.

Ce modèle sert à améliorer le suivi des moyens mis en œuvre dans une stratégie de défense en profondeur et d’unifier les méthodes d’analyse de vulnérabilité avec les changements d’états des données classifiées dans des fenêtres temporelles. 

Le don de plasma, tout comme le don de sang, est soumis à différentes restrictions. Ces critères visent à assurer la sécurité des produits sanguins pour le receveur. Puisque l’incidence et la prévalence du VIH sont plus élevées chez les hommes ayant des relations sexuelles avec d’autres hommes (HARSAH), ces derniers sont proscrits du don, au Canada, pour une période de trois mois suivant leur dernière relation HARSAH. Héma-Québec travaille à assouplir ce critère, de manière sécuritaire, puisqu’il peut être considéré comme discriminatoire. On vise, dans un premier temps, le plasma récolté par aphérèse puisque des procédés d'inactivation des pathogènes sont déjà utilisés dans le processus de fractionnement du plasma. Le plasma est récolté individuellement, puis regroupé en lots afin d’être transformé en produits stables. L’objectif est de maintenir stable le risque de transmission du VIH lié au plasma d’aphérèse contaminé récolté par dons, appelé risque résiduel. Ce projet vise l’évaluation du risque lié à l’obtention d’un produit potentiellement contaminé. Pour ce faire, on utilise un modèle bayésien qui permet d’évaluer le risque en tenant compte de la charge virale des dons infectés et de la technologie d'inactivation des pathogènes utilisée. À la suite de simulations de type Monte Carlo, on en arrive à la conclusion que le risque d’obtenir un lot infectieux est très faible (0 lot infecté sur 300,000 lots simulés avec un intervalle de confiance à 95% de [0, 0.0000123]).

Le CISSS Chaudière Appalaches implante, avec l’INESSS, un projet CoMPAS+ ciblant la qualité des transitions des soins des aînés avec démence. Ce projet implantera un atelier de pratique réflexive pour l’analyse du portrait de l’état de santé et de l’utilisation des services en regard des bonnes pratiques en démence, permettant d’engager des réflexions autour du rôle des intervenants et le développement d’une lecture commune des pratiques sur le territoire. La rétroaction basée sur les indicateurs permettra d’identifier des cibles d’amélioration et des actions pour améliorer le continuum de soins et d’élaborer des plans d’implantation et suivi. Objectif : présenter le processus d’identification et de sélection d’indicateurs issus des données médico-administratives, disponibles à l’INESSS, utiles à la rétroaction auprès des services de proximité. Sélection en quatre étapes : 1) revues des bonnes pratiques en démence et en transition des soins 2) revue d’indicateurs de qualité en transition de soins; 3) élaboration d’une première liste, 4) sélection finale par un panel d’experts. Les indicateurs choisis selon : 1) importance et pertinence; 2) robustesse scientifique; 3) spécifications (validité/fiabilité/faisabilité), 4) faisabilité et 5) utilité pour stimuler l'amélioration de la qualité des soins 910. 22 indicateurs utiles à la rétroaction auprès des services de proximité au Québec sont identifiés.

L'analyse distribuée réfère à l'interrogation statistique de données pouvant se trouver à différents endroits physiques, requérant ainsi des processus de calculs et d'analyse indépendants. Cette classe de méthode est de plus en plus demandée, notamment en sciences biomédicales au Canada, où les dossiers de santé sont collectés dans les hôpitaux partagés au niveau provincial, mais où il est souvent difficile de rassembler ce type de données à l'échelle fédéral en une banque placée en un seul lieu physique, en raison de considérations éthiques liées à la confidentialité des données des patients ainsi qu'à l'indépendance de la gestion des données médicales des différentes provinces. Or, de nombreuses questions de nature épidémiologique nécessitent l'interrogation de telles banques de données et appellent à l'utilisation et à la mise en œuvre de méthodes suffisamment souple pour produire des analyses inférentielles valides en contexte distribuées. Il existe des méthodes de la sorte, mais elles ne s’appliquent pas à toutes les situations. Entre autres, il arrive que les données soient issues de sources où les protocoles sont légèrement différents, ce qui mène à l’introduction d’hétérogénéité statistique. L’affiche présente mon projet, qui vise à définir un modèle statistique fidèle au contexte de données distribuées de façon hétérogène, à déterminer les propriétés intéressantes d’estimateurs adaptés à ce modèle statistique et à valider le tout en contexte d’application.

Prédire efficacement la structure secondaire commune de séquences d’ARN homologues est cruciale pour comprendre les fonctions des ARN non codants, leur influence sur la santé humaine. Dans les dernières années, de nombreuses méthodes ont été développées pour prédire la structure secondaire de familles d’ARN. Il existe trois types d’approches. L’approche 1) « aligner-et-replier » consiste à calculer simultanément l’alignement et le repliement des ARN. L’approche 2) comporte les méthodes de type « aligner-puis-replier » ou « replier-puis-aligner » qui calculent l’alignement et le repliement en deux étapes séparées, le résultat de la première étape étant utilisé dans la seconde étape. L’approche 3) « replier-sans-aligner » consiste à prédire la structure secondaire des ARN sans aligner les séquences. Cette approche est basée sur l’exploration d’un espace de structures secondaires proches du repliement optimal et sur la détermination des éléments structuraux conservés dans la famille d’ARN. L’approche « aligner-et-replier » est la plus fiable pour inférer une structure secondaire d’ARN précise, mais elle est aussi très coûteuse en temps. L’approche « replier-sans-aligner » a l’avantage d’être la plus efficace en temps tout en prédisant assez fiablement les structures secondaires d’ARN. Nous présentons la méthode aliFreeFoldMulti permettant de prédire la structure secondaire de toutes les séquences d’une famille d’ARN homologues en utilisant une approche « replier-sans-aligner ».

La leucémie lymphoblastique aiguë (LLA) constitue près du tiers des cas de cancers pédiatriques enregistrés chaque année au Canada. Bien que les traitements actuels permettent d’atteindre un taux de survie de 5 ans de 90%, nous observons que plus de 65% des survivants développent des effets indésirables à long terme dont la dyslipidémie, l’hypertension et l’ostéoporose. Ces effets contribuent à la dégradation de l’état de santé de ces patients et peuvent même constituer un danger pour leurs vies. Notre projet consiste à mettre en place un modèle mathématique permettant la prédiction de ces effets indésirables, rendant ainsi possible un suivi plus adapté et personnalisé des survivants de la LLA. Plusieurs articles dans la littérature ont mis en lumière l’association entre certains gènes et le développement d’effets indésirables tardifs. L’utilisation de données génomiques pourrait bonifier la qualité des prédictions émises par notre modèle. Celui-ci consistera en un réseau de neurones graphique (GNN), une architecture émergente dans le domaine de l’apprentissage machine. Il inclura des données génomiques et d’autres biomarqueurs provenant de PETALE, une étude réalisée sur près de 250 survivants de la LLA dont l’objectif principale était d’identifier et caractériser les facteurs prédisposants un survivant à développer des problèmes de santé. La présentation a pour but de présenter l’intérêt des GNN pour l’intégration de données génomiques dans des modèles de prédiction. 

Le risque est une entité omniprésente dans le domaine biomédical. Les références à des risques sont donc fréquentes dans les données médicales. Une caractérisation ontologique cohérente du risque s'avère alors nécessaire. En effet, des outils informatiques, les ontologies appliquées, permettent de structurer les données afin d'en faciliter l'échange entre différents systèmes d'information de les utiliser à des fins cliniques. Le risque est toutefois une entité dont le statut est paradoxal. En effet, il a à la fois un caractère objectif et subjectif : objectif car un risque existe indépendamment de notre connaissance de son existence et subjectif car il a un caractère indésirable. Or, un risque n'a un caractère indésirable qu'en relation avec les attitudes d'un individu. Par exemple, la possibilité de développer un cancer n'est un risque pour un patient que si ce patient estime indésirable d'avoir un cancer. Conséquemment, pour représenter des risques pour des patients dans une ontologie appliquée, la formalisation du risque proposée doit tenir compte des attitudes des patients. Dans cette communication, je présente une formalisation du risque pour la Basic Formal Ontology qui tient compte à la fois du caractère objectif et du caractère subjectif du risque : un risque pour un individu est une disposition dont la réalisation est indésirable pour cet individu, et cette réalisation est indésirable pour cet individu parce que cet individu désire éviter son occurrence.

Les trajectoires de soins (TS) sont constituées des séquences ordonnées d’évènements, dont les évènements pathologiques et les interactions entre patient et acteur du système de soins. À chaque évènement sont associés un ou plusieurs indicateurs temporels. L’analyse temporelle des TS est mise à contribution dans différentes tâches médicales (diagnostic, administration thérapeutique, protocole clinique, etc.). Les outils actuels de gestion de données offrent des fonctionnalités temporelles limitées. En particulier, l’expression des requêtes temporelles (RT) est souvent très complexe (ce qui entraine notamment des problèmes de vérification et de validation) et non performante (surtout lors du traitement d’un grand volume de données). Le nœud du problème est l’inadéquation des structures d’indexation des relations en regard des opérateurs temporels (e.a. : opérateurs de Allen et opérateur USING proposé par Date) et de la bitemporalité. Certaines approches (comme BiST) ont toutefois permis d’obtenir des gains qui demeurent cependant limités à un sous-ensemble des opérateurs requis pour construire les TS. Pour l’illustrer, nous avons construit un banc d’essai. Les résultats obtenus serviront à orienter nos efforts dans la recherche d’une meilleure structure d’indexation couvrant tous les opérateurs utiles à la construction des TS.

Les systèmes de santé apprenants permettent la réutilisation des données cliniques à des fins de recherche et d’aide à la décision.  Ils reposent sur un accès large aux données cliniques, qui sont généralement dispersées dans de nombreux systèmes d'information hétérogènes.

Les ontologies appliquées permettent de proposer une représentation commune de ces données, rendant possible leur interopérabilité indépendamment des architectures des systèmes sources. Nous développons ce modèle ontologique au sein de la plateforme de santé apprenante PARS3, et nous avons déjà créé plusieurs ontologies qui représentent des domaines de santé distincts comme les prescriptions médicamenteuses ou les tests de laboratoire. Cependant, les éléments de ces ontologies interconnectés et il est très difficile de les développer indépendamment les unes des autres : un médicament peut être prescrit pour traitement, mais aussi pour un test diagnostic par exemple.

Ces considérations nous amènent à développer une nouvelle ontologie, l’ontologie des interventions médicales. La mise en place d’une telle ontologie est un jalon important pour notre modèle ontologique des connaissances et une nécessité pour un système de santé apprenant dans un monde où les sources de données sont chaque jour plus nombreuses et plus diverses.

Les cadres éthiques au Québec n’ont pas été établis en tenant compte des systèmes de santé apprenants (SSA), ce qui signifie que les modèles de consentement actuels pour l’utilisation secondaire des données de santé ne sont pas adéquats. L’implantation imminente d’un SSA au Québec amène l’urgence de revoir le cadre éthique pour qu’il s’arrime à une cette transition des systèmes de santé. Le projet CLARET a donc été mis en place afin de proposer des méthodes alternatives de consentement qui sont plus appropriées en contexte de SSA. Plus concrètement, au cours des années 2017 à 2019, l’équipe de CLARET a mené un projet en trois étapes Ces étapes 1) une revue de littérature ayant permis d’analyser et comparer les différents modèles de consentement adaptés aux SSA, 2) une étude à devis mixte composée d'un sondage suivi de groupes de discussion auprès des citoyens du Québec et 3) une table consultative d’experts afin d’émettre des recommandations qui sauront mobiliser les acteurs clés du réseau de la santé pour faire évoluer le dossier éthique entourant l’accès et l’utilisation secondaire des données de santé au Québec. 

L’informatisation massive des données médicales ouvre de nouvelles possibilités d’amélioration des soins et de recherche biomédicale. Par exemple, la conception d’études prospectives et rétrospectives de grande échelle et le développement d’outils sophistiqués d’aide à la décision pour les professionnelles et professionnels de la santé. Cependant, l’implantation d’une telle plateforme se heurte à de multiples problématiques, comme l’hétérogénéité naturelle des données médicales. Les données sont difficilement interopérables puisqu’elles sont générées par des processus uniques à chaque établissement, sont consignées pour des besoins distincts, sont stockées à l’aide de technologies tout aussi hétérogènes et sont régies par des structures organisationnelles indépendantes. Ce faisant, chaque nouveau projet nécessite de découvrir et de maîtriser les sources de données pertinentes au projet afin d’en faire l’intégration dans un environnement homogène.  

Cette présentation a pour but de montrer l’intérêt de notre méthode d’intégration de données par rapport aux méthodes actuelles. En particulier, nous expliquerons comment l’intégration de données basées sur la représentation ontologique des connaissances permet d’arrêter de refaire le même travail à chaque nouveau projet. Permettant, ainsi, d’économiser énormément de temps dans l’initiation de projets s’appuyant sur des données biomédicales issues de la pratique et de la recherche.

Les grands utilisateurs (GU) des services d'urgence (≥4 visites annuelles) représentent une petite proportion des utilisateurs, mais contribuent à un nombre disproportionné du nombre de visites. Prévoir la grande utilisation est une tâche complexe mais essentielle. La régression logistique est largement utilisée à cette fin, mais peu d'études ont exploité les outils d'apprentissage automatique. Objectif : Comparer les performances de modèles développés avec différents outils statistiques pour prédire le risque de devenir un GU des services d'urgence. Il s’agit d’une étude de cohorte rétrospective à l’aide de données médico-administratives du Québec. La régression logistique et des méthodes d’arbres de classification seront utilisés pour classifier les patients comme GU ou non. La cohorte comprend les patients adultes vivant dans une zone urbaine, avec une visite à l'urgence entre 2012 et 2013 (date index). Les patients ayant reçu un diagnostic de démence et ceux qui sont décédés dans l'année suivant leur date d'index sont exclus. Les variables explicatives comprennent entre autres l'âge, le sexe, le type de régime public d'assurance médicaments, les indices de défavorisation sociale et matérielle, le nombre de visites aux urgences, les comorbidités physiques ou mentales. Résultats: La cohorte comprend 451 775 utilisateurs des services d’urgence, dont 5,2 % sont considérés comme des GU.