Extraction de connaissances pour la construction de scénarios médicaux

• Auteur / Autrice : Anne-Sophie Silvent
• Direction : Catherine Garbay
• Type : Thèse de doctorat
• Discipline(s) : Modèles et instruments en médecine et en biologie
• Date : Soutenance en 2004
• Etablissement(s) : Grenoble 1

Mots clés

Mots clés contrôlés

Monitorage médical

Abstraction

Systèmes d'information

Recherche de l'information

Unités de soins intensifs

Hospitalisés

Résumé

La reconnaissance automatique de scénarios est cruciale pour l'aide à la supervision de systèmes dynamiques. Cependant, la construction de tels scénarios représentatifs de situations de bon ou de mauvais fonctionnement n'est pas réalisable en pratique directement à partir de la connaissance experte. Notre objectif est donc d'extraire, à partir des données et des informations disponibles, des séquences abstraites d'événements pertinents et ensuite de construire des scénarios validés par les experts comme représentatifs d'une classe de situations à reconnaître. Le travail de cette thèse présente une méthodologie pour la découverte de scénarios médicaux, en particulier l'abstraction graduelle des données est détaillée. La découverte de scénarios relève de l'extraction de connaissances et comprend, entre autres, les étapes de transformation des données et de fouille de données. Cette méthodologie s'appuie sur un processus incrémental de manipulation des informations et des connaissances basé sur une clarification de ces concepts. Elle est appliquée à la surveillance de patients hospitalisés en unités de soins intensifs.

The automatic recognition of typical pattern sequences (scenarios), as they are developing, is of crucial importance for computer-aided patient supervision. However, the construction of such scenarios directly from medical expertise is unrealistic in practice. In this thesis, we present a methodology for data abstraction and for the extraction of specific events (data mining) to eventually construct such scenarios. Data abstraction and data mining are based on the management of three key concepts, data, information and knowledge, which are instantiated via a clarification specific of our medical domain application. After a detailed description of the proposed methodology, we apply it to the supervision of patients hospitalized in intensive care units. We report the results obtained for the extraction of typical abstracted pattern sequences during the process of weaning from mechanical ventilation.