Systèmes d information de Santé

(1)

Systèmes d’information de Santé

Journée RT6 Santé Numérique

(2)

Institut Mines-Télécom

Contributions

n  Architecture de systèmes

•  Equipe DECIDE/Lab-STICC(LUSSI-J. SimoninI)

n  Aide à la décision et fouille de données

•  Equipe DECIDE/Lab-STICC (LUSSI - P. Lenca)

n  Indexation, recherche par le contenu et sécurité

•  Equipe TIM/LaTIM (ITI - G. Cazuguel-G. Coatrieuxl)

21/10/13 Modèle de présentation Télécom Bretagne

2

(3)

Architecture de systèmes Projet PLASTICO

Jacques Simonin Département LUSSI

Urbanisation des systèmes

d’information

(4)

Institut Mines-Télécom 4

PLASTICO – Etat des lieux

Vue métier

Vue applicative du SI informatisé Vue fonctionnelle du SI cible

impacte

supporte

réalise

Stratégie U1018

Vue fonctionnelle cible 1.3 SI des études épidémiologiques

Vue métier cible 0.2 Etudes épidémiologiques

(5)

PLASTICO – Objectif

n  Considérer le problème de façon globale

•  L’ensemble des vues

n  Améliorer l’alignement d ’ une vue de travail

•  Par rapport à une vue de référence

─  la vue métier est la vue de référence de la vue fonctionnelle du SI cible

─  la vue fonctionnelle du SI cible est la vue de référence de

la vue applicative de PLASTICO

(6)

Institut Mines-Télécom RT6 – Systèmes d’information en santé

Aide à la décision et fouille de données

Philippe Lenca

Département LUSSI

21/10/13 Modèle de présentation Télécom Bretagne

6

(7)

•  DECision aId and knowleDge discovEry (DECIDE)

¢  Assistance au(x) décideur(s)

•  Fouille de données

•  Aide multicritère à la décision

•  Système d'information

¢  3 axes

•  Les mathématiques et l’algorithmique

•  Les méthodes et outils

•  Applications métiers et expérimentations

(8)

page 8

Conception d'un processus et d'un système d'information pour la

construction d'un score de risque adapté au contexte, application au

cancer du sein (Thèse Emilien Gauthier, 29/01/2013)

(9)

Fouille de données issues de capteurs pour l’assistance aux

personnes âgées dépendantes (thèse Julie Soulas, en cours)

(10)

Institut Mines-Télécom RT6 – Systèmes d’information en santé

Indexation, recherche par le contenu et sécurité

Guy Cazuguel, Gouenou Coatrieux Département ITI

TIM/LaTIM – axe GD2MP, avec

M. Lamard (UBO), G. Quellec (INSERM )

21/10/13

10

GD2MP : Gestion des Données Médicales Multimédia Partagées pour

l’aide à la décision

(11)

Signaux 1D

Images médicales Résultats

d’analyses Mesures ponctuelles

Historique médical

Accès, partage en réseau, externalisation des données

Problématique (1)

Données hospitalières :

collecte de toutes les informations Diagnostic,

décisions thérapeutiques

Gestion et traitement de l’information médicale

Archivage numérique

Dossiers patients, bases de don nées hospitalières, bases de connaissances, ...

Patient

(12)

Problématique (2)

n  Objectifs

•  Exploiter les informations médicales archivées sous forme numérique dans les bases de données

─  Aide à la décision diagnostique et thérapeutique

─  Extraction de connaissances

•  Fiabiliser ces informations dans le cadre de l'accès et du partage via les réseaux

n  Contributions

─  Indexation et recherche par le contenu de dossiers médicaux multimédia

─  Protection des données (contrôle d'intégrité et d’accès)

12

(13)

Idée de base :

reproduire le raisonnement clinique, par analogie

Indexation et recherche par le contenu de

dossiers médicaux multimedia

(14)

Indexation et recherche par le contenu de dossiers médicaux multimedia

14

Trouver des cas similaires au cas étudié

dans une base de cas cliniques

Fusionner des données hétérogènes

pour prendre une décision

Analyses biologiques Données démographiques

Age, sexe…

Pression sanguine, glycémie, .

Images / videos Signaux

Histoire du patient

Raisonnement à base de cas

Garantir la sécurité Caractérisation des

images et des autres types de données

numériques Particularité :

dossiers spécialisés

(15)

Examen

+

Raisonnement à base de cas

Requête

Bases de données Système de

recherche

…

Cas sélectionnés par le système

Exemple 1 : aide au diagnostic

(16)

Liste de résultats à chaque instant Préconisations Alertes

Base de cas cliniques de référence

Système de recherche

Temps-réel

Exemple 2 : aide à la chirurgie

16

Pré-opératoire : rechercher les cas voisins, prendre connaissance des problèmes éventuellement survenus, voire visionner les vidéos associées

Défis : caractérisation dynamique (par rapport

au temps), durées

chirurgies variables

(17)

Caractérisation des données numériques

n  Images fixes

•  Approche sans segmentation

•  Premières signatures : basées sur une analyse en ondelettes adaptées

•  Apprentissage de "mots visuels" pour la recherche et l'aide à la décision *

n  Vidéos

•  Caractérisation par analyse du mouvement, plus des

informations "image"

(18)

Requête Résultat 1 Résultat 2

Apprentissage multi-instances

* Diagnostics pour plusieurs examens médicaux Entrée

* Pas de segmentation des images Sortie

* Outil de détection probabiliste des zones pathologiques

* Vecteurs de paramètres adaptés à chaque échelle Idée

* Recherche des caractéristiques que l'on ne trouve que dans des examens pathologiques

Exemple de détection probabiliste

18

Signature (de groupes) d ’ images

(19)

Screening center

Statistics:

•  29 centers in the network

•  15,000 exams per year

Une application : projet ANR TéléOphta

•  age = 50

•  sex = F

•  type I DM

•  etc.

Ophdiat server

trained technician

Lariboisière reading center

Statistics:

•  11 ophthalmologists

•  DR grade

•  presence of AMD, glaucoma, etc.

•  should the patient by seen by an ophthalmologist?

Curent Ophdiat screening network

(20)

Screening center

Statistics:

•  29 centers in the network

•  15,000 exams per year

Une application : projet ANR TéléOphta

20

•  age = 50

•  sex = F

•  type I DM

•  etc.

Lariboisière reading center

Statistics:

•  11 ophthalmologists

trained technician

•  DR grade

•  presence of AMD, macular edema, etc.

•  should the patient by seen by an ophthalmologist?

Ophdiat server Teleophta

system

patients sorted in pathological

order

(21)

Informations contextuelles

Examen

Extrac'on d’une signature pour le

groupe d’images

Détection des lésions

Informations contextuelles

enrichies

Fusion d’information hétérogènes et

incomplètes

Risque estimé de présence de pathologie

« examen normal » (EN) ou

« examen pour avis » (EPA)

Une application : projet ANR TéléOphta

(22)

Institut Mines-Télécom 1 - spécificité Performance d’un

spécialiste par rapport à OPHDIAT

sensibilité

22

81,5%

Spécificité de ce

spécialiste par rapport à OPHDIAT

Spécificité du système TELEOPHTA pour la même sensibilité que le spécialiste: ~ 68 % Sensibilité du spécialiste

par rapport à OPHDIAT 80,9%

Une application : projet ANR TéléOphta

(23)

Bilan sur la base e-ophtha avec 80% de sensibilité

•  En pratique, ceci veut dire que 2,3 fois plus de patients pourraient bénéficier du service de dépistage (à moyens constants)

•  Aujourd’hui: environ 12000 examens/an sur OPHDIAT. Avec TELEOPHTA :

•  27600 examens analysés par an

•  mais 1325 « examens pour avis » non détectés

•  Questions soulevées :

•  quelle est la gravité de ces erreurs ?

•  quelle est la stabilité de la performance avec le temps?

(24)

Recherche par le contenu sur des vidéos

n  Base de données : chirurgies de la cataracte et de la rétine

RT6 – Systèmes d’information en santé page

24

(25)

Exemple de réponse à une requête

n  Exemple de réponses à une requête

(26)

Protection des données médicales

n  Protection de l’information médicale multimédia

•  Approche fondée sur la sécurisation des contenus dans un contexte d’échange des informations et images médicales

•  Notion de « traçabilité »

–  Protection continue des informations –  Suivi des informations échangées

•  Développements de solutions à l’interface contenus/système d’information (politiques de sécurité).

26

(27)

Security - Global objectives & approaches

•  Protection of digital contents by means of a priori and a posteriori mechanisms :

–  Leave access to the information, while maintaining it protected –  Integrity, traceability and confidentiality of digital content

–  Continuous protection of data beyond information system frontiers

•  Considered framework: medical data sharing and exchange in open environments, outsourced data (e.g. Cloud,

telemédecine)

•  Solutions based on watermarking and

cryptographic algorithms with protocols

in agreement with a security policy

(28)

Blind and non-blind digital-forensics

n  Watermarking/signature based digital forensics.

Objectives : detection, localization and identification (at least approximating) of the image tamper

•  Combination of cryptographic hash, error detection codes and an image geometric moment signature (less than 2000 bits)

•  Identification rates greater than 90%

Tampered 64x64

pixel block Real tamper Our approximation of the tamper

¢  Blind digital forensics.

•  Identification of global image processing by means of classifiers trained with image

Tchebychef moments

•  Detection/identification rates > 80%

28

(29)

A posteriori protection

n  Medical Image watermarking

•  Lossless or reversible watermarking

•  Region of non Interest watermarking

¢  Watermarking of database

•  Robust-lossless watermarking

•  Fragile lossless watermarking of categorical attributes

Demonstrator developped in collaboration with Med-E-Com

Seen by physicians

Seen by the system

Sample view of the original table

One tuple includes the attributes: stay identifier (‘id_stay’), patient identifier (‘id_patient’), patient age and gender, ICD-10-encoded

principal diagnosis (‘p_diag’) ….

Sample view of the watermarked table

(30)

Joint a priori & a posteriori protection

n  Joint encryption-watermarking

•   Allows verifying the image integrity/authenticity even if it is encrypted

•   Works with stream or block-cipher algorithms (e.g. RC4 and AES)

•  Interoperable with DICOM standard

n  Data hiding of encrypted data

•  Allows watermarking an encrypted image while making the message available in both encrypted and spatial domains

•   Can be used for data traceability.

Msg_s Msg_e

30

(31)

Current projects

ANR- ARPEGE project PAIRSE

DGA Rapid project- Frag & Tag

Object: Confidentiality preservation in P2P environment : an approach based on web services

Contribution: Database watermarking

Partners: LIRIS/SOC, IMT-TSP/SIMBAD, IRIT/PYRAMID, Lab- STICC, SEMSOFT, SWID,MTIC …

Labex CominLabs project - POSEIDON

Object: How to express and deploy integrated security policies for outsourced data

Contribution : Watermarking & security policy interface Partners: INRIA/CIDRE, IRISA, Lab-STICC

Object: Fragmentation & watermarking

Partners: Lab-STICC, ARISMORE, SWID, CETIMA …

CRITT Santé Bretagne

Object: Watermaking & encryption of medical image data

Industrial project -

PROTECIMAGES

Object: Watermarking of medical images Partners: MEDECOM.

IRT B-COM project ISIMED

Object: Distributed medical image info-structure Contribution: Integrity et traceability of images

Partners: INRIA, Inserm U746 - U936 – 1099, CHRU Rennes, ETIAM, BIOTRIAL, MEDECOM …

(32)

21/10/13 RT6 – Systèmes d’information en santé

32

Systèmes d information de Santé

Full text