Conception de systèmes intelligents pour la télémédecine citoyenne

Developing, implementing, and evaluating decision support systems for shared decision making in self care

• Auteur / Autrice : Hussein Atoui
• Direction : Paul Rubel, Fayn Jocelyne
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2006
• Etablissement(s) : Lyon, INSA

Mots clés

Mots clés contrôlés

Télémédecine

Télémédecine

Systèmes d'aide à la décision

Informatique mobile

Intelligence artificielle

Fusion multicapteurs

Résumé

Ces recherches s'inscrivent dans la continuité du projet européen EPI-MEDICS (Enhanced Personal Intelligent & Mobile system for Early Detection & Interpretation of Cardiovascular Syndromes) du programme Information Society Technologies, qui a pour objectif la réalisation d'un moniteur personnel d'ECG (PEM) intelligent, doté d'un serveur embarqué et d'un composant métier d'analyse quantitative de l'ECG, compact, portable et utilisable par tous, y compris par le patient lui-même, un aidant, ou n'importe quel citoyen. Le PEM est capable d'enregistrer un ECG 3D simplifié contenant la quasi-totalité des informations spatio-temporelles produite par l'activité du coeur et capable d'envoyer par GPRS ou UMTS différents types de messages ou d'alarmes convoyant des ECG et un mini-dossier médical de l'utilisateur. C'est dans ce contexte que nous avons cherché à améliorer l'intelligence du système en développant une plateforme auto-adaptative et auto-évolutive de détection automatique des dysfonctionnements du coeur. Cette plateforme permet de stratifier le risque de la survenue d'un évènement cardiovasculaire moyennant l'interprétation de l'ECG combinée avec l'historique médical de l'utilisateur. L'aide au diagnostic consiste à mettre en oeuvre des algorithmes résolvant un problème de classement compte tenu de l'incertitude sur la situation réelle de l'objet étudié. Les travaux présentés dans ce mémoire étudient différnets aspects de cette tâche. Tout d'abord, nous proposons une modélisation du processus de diagnostic de l'infarctus à partir de l'ECG. L'interprétation automatique de l'ECG est effectuée à l'aide de comités de réseaux de neurones artificiels. Une série d'expérimentations illustre la supériorité des réseaux de neurones par rapport aux résultats obtenus par des cardiologues interprétant le même ensemble de données. Ensuite, afin d'obtenir un diagnostic plus précis et plus personnalisé, nous proposons d'inclure une stratification des informations cliniques de l'utilisateur telles que les facteurs de risque. Notre approche consiste à utiliser les réseaux bayésiens pour établir une quantification probabiliste du risque cardiovasculaire. Nous propososn enfin un algorithme permettant de fusionner le score de l'interprétation de l'ECG réalisée par les réseaux de neurones avec celui obtenu par les réseaux bayésiens à partir des facteurs de risque. Cette fusion constitue l'un des fondements de la future plateforme d'aide à la décision qui sera embarquée dans le PEM, système qui sera à la fois auto-adaptatif en fonction de la spécificité de chaque utilisateur et auto-évolutif grâce au potentiel d'apprentissage automatique des réseaux de neurones et des réseaux bayésiens. Dans la deuxième partie de cette thèse, nous étudions un formalisme permettant de rendre l'ECG simplifié du PEM accessible, sous un format compréhensible et interprétable, aux professionnels de la santé. Il s'agit de synthétiser un ECG standard 12D à partir de l'ECG 3D du PEM. Cette synthèse doit permettre non seulement une détection précise, mais également une reproduction la plus fidèle possible des caractéristiques de l'ECG standard si ce dernier avait été enregistré simultanément avec l'ECG 3D du PEM. C'est la raison pour laquelle nous nous sommes orientés vers des techniques d'intelligence artificielle mettant en oeuvre une méthode originale de reconstruction des ECG basée sur l'utilisation de comités de réseaux de neurones. Une série de tests sur des bases de données d'ECG standards et d'ECG PEM enregistrés dans des conditions simulant celles d'utilisation du PEM, a montré que notre approche a largement dépassé les méthodes conventionnelles. Enfin, nous avons travaillé sur la conception de stratégies de déploiement pour la mise en oeuvre de méthodes de synthèse de l'ECG spécifique à chaque patient au moyen d'infrastructures ad hoc permettant de réaliser l'apprentissage neuronal à grande échelle, grâce aux technologies des services web et des grilles de calcul

Event recorders and transtelephonic ECG recorders are increasingly used to improve decision making in the pre-hospital phase. The solution adopted by the EPI-MEDICS project was to design a very intelligent, portable Personal ECG Monitor (PEM). The PEM device is capable to record a simplified 3-lead ECG, to detect arrhythmias and ischemia or acute infarction, and send an alarm message to the appropriate health care providers. It is in this context that we sought to improve the intelligence of the system by developing a self-adapting and self-evolutionary platform to predict the risk of cardiovascular events through the interpretation of the ECG combined with the medical history of the user. Also, since the standard 12-lead ECG is the only ECG representation that cardiologists can accurately analyze and interpret; we therefore developed original algorithms for deriving synthesized 12-lead ECGs from the PEM simplified ECG for integration in the patient health record embedded in the PEM