Big Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014

Dimension: px

Commencer à balayer dès la page:

Download "Big Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014"

Ariane Guérard
il y a 8 ans
Total affichages :

1 Big Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014 1

2 Classiquement, le Big Data se définit autour des 3 V : Volume, Variété et Vitesse Définition du Big Data Les 3 V du Big Data BIG DATA versus Business Intelligence (BI) INTERNET DES OBJETS VOLUME Du téraoctet 1) à l'exaoctet 2) CLOUD COMPUTING > BI : STATISTIQUE DESCRIPTIVE, sur des données à forte densité en information afin de mesurer des phénomènes, détecter des tendances VARIETE Des données structurées et non structurées BIG DATA DATAMINING VITESSE Intelligence immédiate, analyse prédictive > Big Data : utilisation de STATISTIQUE INFÉRENTIELLE 3), sur des données à faible densité en information dont le grand volume permet d inférer des lois (régressions.) donnant dès lors au Big Data des capacités prédictives. 1) 1 téraoctet = 1024 milliards d'octets 2) 1 exaoctet = 1 milliard de milliards d'octets 3) L'inférence statistique consiste à induire les caractéristiques inconnues d'une population à partir d'un échantillon issu de cette population Source : Institut de l'entreprise 2

3 Introduction : contexte historique Le phénomène Big Data est l'aboutissement d'un long processus de capture, stockage et valorisation de l'information Evolution de la valeur apportée à la donnée Valeur apportée à la donnée Données massives et non structurées Puissance de calcul Intelligence de traitement Big Data au point où les données n'ont PLUS BESOIN D'ÊTRE DESCRIPTIVES et permettent des INFÉRENCES BIG DATA MÉCANISME S DE CALCUL complexes et statistiques "Big" et DESCRIPTIVES RÉUNIS grâce à l'informatique Business Intelligence Machine learning Système sexagésima l [Sumer] Machine d'anticythère [Grèce] Recensement de population [Chine] "Pascaline" [France] Théorème de Bayes [R-U] Analyse prédictive [R-U] Datamining BDD relationnelle Temps ~3 000 av JC 1er siècle ap JC 2 ap. JC

4 Introduction : définition Le Big Data peut être considéré comme la "dernière frontière" de la Business Intelligence APPORT DU BIG DATA Business Intelligence classique Business Intelligence sémantique Business Intelligence temps réel Tableau de bord statique Visualisation dynamique Analyse en temps réel Résultat Interaction utilisateur A posteriori, stockage et capitalisation Visualisation en temps réel Requête ad-hoc Requête flexible Enrichissement de la connaissance Stockage Récolte d'information Entrepôt de données Stockage sémantique Requêtes en continu ETL 1), traitement par lot ETL 1) sémantique, traitement par lot ETL 1) sémantique, traitement en flux Load shedding Retroaction Données sources Sensors Base de données 1) ETL : Extraction, transformation et chargement Structurées / nonstructurées Flux de données Données statiques Source : Laboratoire MAS Centrale Paris 4

5 Big Data : l irruption de la génomique en cancérologie La médecine et le «big data» : -Traitement massif de données médicales, biologiques, (génomiques, protéomiques, transcriptome, etc.) et d analyse automatique d images. -Découvrir des corrélations en comparant le génotype et le phénotype des tumeurs -Les données brutes ne sont pas exploitables : retraitement nécessaire 5

6 Big Data : l irruption de la génomique en cancérologie Données unitaires produites par séquençage haut débit Sur séquenceur type Illumina Hiseq 2500 Six milliards de séquences (informations complémentaires) 1 séquence = 100 bases (A, T, C, G) 1 analyse = 600 milliards de bases (ou de lettres) équivalent à fois Les Misérables 1Tb de données (par semaine) 6

7 7 7

8 Big Data : développement, rôle de l ARS?? Les premières actions de l ARS 8

9 Big Data : l irruption de la génomique en cancérologie: Les problèmes à résoudre Techniques: -Stockage: conservation dans la durée -Calcul : algorithmique complexe -Lecture des fichiers -Restitution : données brutes ou résultats -Réseaux : les tuyaux -Administration des bases Ethiques: -Confidentialité des données -Accessibilité -Propriété des données 9

10 5 Programmes du SDSI Modernisation des SI de production de soins et de dématérialisation - Région sans Film - Biologie - Télémédecine - Hopital Numérique SI de coordination du parcours de santé/social - PAERPA, Hygie, MAIA - Ror-orientation, via-trajectoire - Messagerie sécurisée - Espace d échange pro - SRIS GP Pilotage / évaluation et SI de premiers recours - Cerveau / PDSA - SIG - Big data - Portail samu - Interconnexion 15/18 Jean Pinson Christophe Couvreur Philippe Mati Christian Bonnal Pierre Boiron Bruno Xoual Jean-Baptiste Hagenmuller Sandrine Chipot Laurent Tréluyer Infrastructure & référentiel - Portail / EAI - REPSIF / Ror-référentiel - Ident patient, syst référencement d info patient Philippe Rizand - Roses (THD) - Externalisation Pierre Barrel Pierre Blonde Innovation - TSN - Objets connectés - Mobilité - Serious game - Relations sociétés innovantes Frédéric Prudhomme Eric Lepage Christine Calinaud 10

11 Mise en place de ROSeS Assembler un réseau optique sécurisé de km reliant 5 plateformes de services et 250 ES en Ile de France répartis en 4 catégories : -Petits débits 10 Mbps -Moyens débits 100 Mbps -Gros débits 1 Gbps -Très gros débits Au-delà de 1Gbps

12 Région sans film: Premier service Cloud 6 Etablissements 3 CH Publics 1 ESPIC 1 Cabinet privé 1 CMS 95 2 Etablissements 1 CRLCC 1 Cabinet privé 3 Etablissements 3 CH publics 6 Etablissements 5 Etablissements 5 CH Publics CH publics 1 Cabinet privé 1 CRLCC 1 EPSN 7 Etablissements 6 CH Publics 1 Cabinet privé 91 5 Etablissements 5 CH Publics 77 5 Etablissements 4 CH publics 1 Cabinet privé 12

13 Production RSF: Evolution millions d examens produits à terme par année courante

14 Production RSF: Aujourd hui 4,8 millions d examens archivés depuis l ouverture du service Plateforme alimentée par 400 Modalités DICOM d imagerie et 15 PACS préexistants connectés Actuellement 380 To de données compressées stockées (Compression sans perte avec facteur moyen de 2,5) 14

15 Terrisanté: Une plateforme d échanges interopérable, portant 5 bouquets de services numériques Mon compte santé, pour gérer son agenda patient, prendre des rendez vous, payer en ligne, bénéficier de services interactifs, etc. Compte santé patient Service public d information en santé Plateforme d échange et de services Prévention renforcée et e- formation pour tous Un portail d information grand public présentant l offre de soins et des informations santé contextualisées Une plateforme de prévention et de e- formations pour les usagers et les professionnels avec des messages de prévention ciblés, serious games, e- learning, etc.) Outils de collecte et d exploitation des données, à des fins de pilotage, de veille sanitaire et de recherche Exploitation des données collectées Coordination et collaboration des professionnels Une plateforme de coordination et des réseaux sociaux professionnels pour organiser les Parcours Personnalisés de Soins et la prise en charge collaborative 15

16 Terrisanté/Bigdata 10 % du budget (2 M ) consacré pour aider des entreprises à développer des solutions innovantes sur Terrisanté Dans le cadre de Terrisanté, nous déploierons une plateforme de traitement en temps réel de données massives permettant d offrir aux professionnels de santé ainsi qu aux objets intelligents dont ils sont équipés (robots, interfaces hommes- machines, outils d analyse automatique d images ou de signaux, capteurs,...) la capacité à exploiter de façon pertinente ces énormes quantités d informations. 16

17 Terrisanté/Bigdata Ces plateformes de traitement en temps réel de données massives doivent permettre de : - partager des informations de santé individuelle associées à des informations d exposition pour une meilleure prise en charge (coordination des soins) ; - fournir des données pour la recherche fondamentale et clinique associant des données de phénotype, génotype et des données d'exposition au niveau de l'individu (aide à la recherche) ; - évaluer les comportements de santé des citoyens et des modalités de prise en charge (études cout-efficacité). Ces technologies associées à la collecte et au traitement des données médicales sont en plein essor et font l objet d une convergence d intérêts entre chercheurs, professionnels de santé, industriels du secteur et investisseurs. 17

Documents pareils

Big Data et la santé

Big Data, c'est quoi? Big Data et la santé Collecte, stockage et exploitation de masses de données Capter de façon automatique et anonyme une très grande quantité d'informations, les traiter avec des algorithmes