Lasierra [74] a proposé une ontologie pour fournir des soins personnalisés aux patients atteints de MPOC à domicile. L'ontologie développée vise à assurer l'intégration des données afin d’automatiser la gestion. La traduction pratique de cette approche représente une solution
simple et compréhensible pour résoudre les problèmes d'intégration et de soins personnalisés dans des scénarios de surveillance à domicile. Cette approche contribue à suivre les patients présentant des comorbidités multiples pour fournir des services plus avancés.
Les principaux composants de l'ontologie clinique HOTMES sont présentés à la Fig. 4. Selon l'ontologie, le profil de patient sera composé de quatre types de tâches différents : tâches de surveillance, tâches d'analyse, tâches de planification et tâches d'exécution. La relation entre les tâches est établie par des règles prédéfinies. Les données pertinentes identifiées par les médecins pour la surveillance des patients MPOC à domicile ont été classées en quatre groupes décrits dans l'ontologie en quatre classes générales : informations environnementales, informations qualitatives, informations quantitatives et mesures essentielles du corps. Les informations qualitatives sur la santé font référence aux informations subjectives fournies par les patients, telles que leur niveau de stress, leur humeur ou des réponses spécifiques à des questions personnalisées. L'information quantitative fait référence à une information qui n'est pas acquise par un médecin. Par exemple, contrôler la quantité de nourriture absorbée peut être très intéressant pour le suivi de patients souffrant d'obésité ou de troubles thyroïdiens. Enfin, onze (11) mesures ont été identifiées et incluses dans l'ontologie en tant que sous-classes de la classe de mesure des signes vitaux. Ces sous-classes de mesures sont les suivantes : température, poids, taille, pression artérielle, glucose, fréquence cardiaque, SpO2, HbA1c, VEMS, l'eau et graisse corporelle.
En revanche, Paganelli et al. [75] décrivent un modèle de contexte basé sur une ontologie et un intergiciel de gestion de contexte associé fournissant un cadre d'application réutilisable et extensible pour la surveillance et l'assistance des patients à domicile.
Figure : 5 L’ensemble de l'ontologie de Paganelli Source : [75]
Paganelli a présenté une plate-forme de services contextuels multicanaux conçue pour aider les réseaux de soins à coopérer et à partager des informations dans le but d’améliorer la qualité de vie des patients. L'ontologie de contexte a été étendue afin de représenter des situations contextuelles dans un contexte de soins à domicile. Dans ce scénario d'application, le contexte inclut des éléments de données décrivant les conditions physiques du patient et le contexte social. Le raisonnement contextuel est principalement utilisé pour le déclenchement et la gestion des alarmes.
Paganelli a présenté quatre ontologies indépendantes: ontologie du domaine personnel du patient, ontologie du domicile, ontologie de la gestion des alarmes et ontologie du contexte social (figure 5). Dans le domaine personnel du patient, les éléments de contexte pertinents incluent les données physiques du patient, la localisation et l’activité. Dans le domicile, les données de contexte pertinentes incluent principalement les paramètres
environnementaux, tels que la température et l'humidité relative, pour maintenir un environnement sécurisé et détecter les dangers. Les ontologies du contexte social représentent les ressources des réseaux de soins provenant de différentes organisations (équipes de santé, membres de la communauté sociale, etc.). L'ontologie de gestion des alarmes représente les membres du réseau de soins qui peuvent être impliqués dans le traitement de situations critiques et qui doivent donc être notifiés par le système pour une intervention.
Dans un contexte différent, Mcheick et al. [76] ont proposé un système basé sur une ontologie pour prédire l'exacerbation. Cette ontologie a été utilisée pour représenter et modéliser le contexte afin de bien comprendre le scénario de surveillance à distance. Mcheick et al. [76] ont utilisé l’ontologie pour proposer une architecture générale décrivant le domaine de surveillance des exacerbations de la MPOC.
Comme le montre la figure 6, l'application de prévision doit être installée sur les serveurs de l'hôpital pour fournir aux spécialistes les attributs appropriés et gérer les décisions de manière plus efficace. En outre, cette application peut surveiller le patient à la maison. Une fois que l'application informe le patient d'une exacerbation et que celui-ci n'est plus en mesure de contrôler l'état d'exacerbation à la maison, le patient peut se rendre à la clinique ou à l'hôpital. Dans ce cas, le médecin ou l'infirmière peut utiliser l'application pour analyser les observations détectées afin de comprendre son état sans appliquer de diagnostics épuisants. Dans ce scénario, le pneumologue peut effectuer des examens supplémentaires, tels que Rayons X, PaCO2, etc. pour prendre une décision finale ou pour garantir le résultat obtenu par l'application.
Figure : 6 Ontologie de Mcheick et al. Source : [76]
Le modèle de contexte de Ryu et al. [77] a été conçu suivant la méthode de représentation ontologique. La figure 7 représente l'ontologie du service de santé présentée dans un smartphone en combinant les ontologies d'espace et de périphérique. Si un smartphone utilise l'ontologie de service représentée sur la figure 6, le périphérique et les informations de détection existant dans les environnements de service peuvent être examinés, ce qui conduit à fournir des services plus personnalisés aux utilisateurs. Ryu et al. [77] ont créé une ontologie pour les systèmes de service à domicile et les téléphones intelligents basés sur l’ontologie commune des soins de santé, l’ontologie de service pour les membres du service et les soins de santé peuvent être configurés comme un smartphone utilisé dans un domaine de service à domicile dans des environnements omniprésents.
Figure : 7 Ontologie de Ryu Source : [77]
Les auteurs de [78, 79, 80] ont mis en place une plateforme interactive qui s'intègre facilement à diverses infrastructures de capteurs portables dans le cadre du projet européen pour les personnes souffrant de maladies chroniques. Le projet se concentre sur la MPOC et la maladie rénale chronique (IRC), y compris l'insuffisance rénale. Cette plateforme contient deux niveaux d’aide à la décision. Le premier concerne les alertes immédiates aux cliniciens lorsque certains paramètres vitaux sont définis de manière anormale en temps réel, et le second est hors ligne et fournit une évaluation plus approfondie comprenant l'historique et les données de laboratoire afin de proposer des actions possibles. Une partie de la plate-forme CHRONIOUS est un outil de recherche documentaire basé sur une ontologie offrant un accès efficace et précis aux travaux de recherche récents sur la MPOC et la néphropathie chronique pour les professionnels de la santé.
Les ontologies CHRONIOUS présentent la structure modulaire suivante: (1) l’ontologie de couche intermédiaire de soins clinique, extraite de l’ontologie principale trouvé dans [81,82], complétée par les classes cliniques générales identifiées dans les sources documentaires fournies par les experts médicaux du projet CHRONIOUS (voir la figure 8). Cette nouvelle ontologie contient des classes générales pour les objets (substances chimiques, cellules, tissus, organes, instruments techniques, etc.), processus, qualités, pouvoirs, fonctions et rôles
L'ontologie des couches intermédiaires pour les
soins cliniques Ontologie de relation Modèle de base de l'anatomie Ontologie formelle de base
Ontologie de la MPOC néphropathie chronique Ontologie de la
Figure : 8 Composants du module d'ontologie CHRONIOUS Source : [79]
pertinents pour les aspects pathologiques, anatomiques, diagnostics et thérapeutiques des soins cliniques. L’ontologie de couche intermédiaire est basée sur l'ontologie formelle de base [83], et l’ontologie fondamentale utilisée dans le domaine biomédical; il contient également un sous-ensemble du modèle de base de l’anatomie et de l'ontologie de la relation [84]. (2) l'ontologie de la MPOC contenant des connaissances spécifiques sur la maladie pulmonaire et (3) l'ontologie de la néphropathie chronique, contenant des informations sur les maladies rénales chroniques et l'insuffisance rénale.
L'amélioration des modèles d'activité physique est un objectif important dans le traitement de la MPOC. Wieringa et al. [85] ont décrit un système de surveillance de l'activité pour se créer un mode de vie saine. Le système utilise une ontologie de messages pour rechercher un retour d'informations approprié à l'aide d'informations de contexte afin d'élaguer les chemins non pertinents. Le système s'adapte à l'aide des probabilités dérivées de toutes les préférences de l'utilisateur pour certains types de messages. Le système a montré des effets positifs, et il a fourni un moyen d'interaction flexible avec le patient d'une façon personnalisée, dynamique et contextuelle. Par ailleurs, le travail de Song et al. [86] porte sur l'élaboration des règles médicales qui définit les paramètres de saturation en oxygène, de pression artérielle et de fréquence cardiaque afin de mettre en place un programme d’entraînement physique visant à réhabiliter les patients atteints de MPOC.
En plus de ce qui précède, il existe certaines ontologies générales que leurs développeurs prétendent être adaptés à différents types de soins de santé. Par exemple, Kim et al. [87] ont développé une approche ontologique pour la représentation des connaissances dans un environnement omniprésent. Kim a construit une ontologie médicale, destiné à favoriser l'intégration des différents modèles d’information. D'abord, les informations communes relatives au contexte du patient, ensuite, les informations environnementales et enfin les informations générales. Toutes ces informations contextuelles sont extraites et classées pour supporter les services de soins de santé en temps réel. Le contexte requis est
construit à l'aide de l'ontologie en prenant en compte les références médicales et les environnements de service, tandis que les règles d'inférence régissent toutes les procédures de gestion.
Riaño et al. [88] ont présenté une ontologie pour traiter et suivre des patients atteints de maladies chroniques. Cette ontologie est mise en œuvre dans un système de décision de deux niveaux de personnalisation. Le premier niveau de personnalisation adapte le contenu de l'ontologie selon les particularités de chaque dossier médical, fournissant automatiquement une ontologie personnalisée contenant uniquement les informations cliniques pertinentes pour les professionnels de la santé. Le second niveau de personnalisation utilise l'ontologie personnalisée d'un patient pour transformer automatiquement les plans d'intervention décrivant les traitements généraux de soins de santé en plans d'intervention individuels. Pour les patients comorbides, ce processus se termine par l'intégration semi-automatique de plusieurs plans individuels dans un seul plan personnalisé. De plus, cette ontologie sert également comme une base de connaissance a un outil d'aide à la décision. Cet outil permet aux médecins de détecter les anomalies telles que les diagnostics erronés, les comorbidités non observées, les informations manquantes, et les actions préventives.