Systèmes d information de Santé

Systèmes d information de Santé Journée RT6 Santé Numérique 13 septembre 2013

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) 2 21/10/13 Modèle de présentation Télécom Bretagne

Architecture de systèmes Projet PLASTICO Jacques Simonin Département LUSSI Urbanisation des systèmes d information 3 21/10/13 RT6 Systèmes d information en santé

PLASTICO Etat des lieux impacte Stratégie U1018 Vue métier Vue métier cible 0.2 Etudes épidémiologiques Vue fonctionnelle cible 1.3 SI des études épidémiologiques supporte Vue fonctionnelle du SI cible réalise Vue applicative du SI informatisé 4

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 5

Aide à la décision et fouille de données Philippe Lenca Département LUSSI 6 21/10/13 Modèle RT6 de Systèmes présentation d information Télécom Bretagne en santé

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 page 7

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) page 8

Fouille de données issues de capteurs pour l assistance aux personnes âgées dépendantes (thèse Julie Soulas, en cours) page 9

Indexation, recherche par le contenu et sécurité Guy Cazuguel, Gouenou Coatrieux Département ITI TIM/LaTIM axe GD2MP, avec M. Lamard (UBO), G. Quellec (INSERM) GD2MP : Gestion des Données Médicales Multimédia Partagées pour l aide à la décision 10 21/10/13 RT6 Systèmes d information en santé

Problématique (1) Gestion et traitement de l information médicale Historique médical Signaux 1D Mesures ponctuelles Diagnostic, décisions thérapeutiques Résultats d analyses Patient Images médicales Données hospitalières : collecte de toutes les informations Archivage numérique Dossiers patients, bases de données hospitalières, bases de connaissances,... Accès, partage en réseau, externalisation des données 11

n Objectifs Problématique (2) 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

Indexation et recherche par le contenu de dossiers médicaux multimedia Idée de base : reproduire le raisonnement clinique, par analogie 13

Indexation et recherche par le contenu de dossiers médicaux multimedia Raisonnement à base de cas Trouver des cas similaires au cas étudié dans une base de cas cliniques Données démographiques Age, sexe Histoire du patient Analyses biologiques Pression sanguine, glycémie,. Signaux Caractérisation des images et des autres types de données Fusionner des données hétérogènes pour prendre une décision Images / videos numériques Particularité : dossiers spécialisés Garantir la sécurité 14

Exemple 1 : aide au diagnostic Examen Raisonnement à base de cas Système de recherche Bases de données + Requête Cas sélectionnés par le système 15

Exemple 2 : aide à la chirurgie Temps-réel Pré-opératoire : rechercher les cas voisins, prendre connaissance des problèmes éventuellement survenus, voire visionner les vidéos associées Système de recherche Base de cas cliniques de référence Liste de résultats à chaque instant Alertes Préconisations 16 Défis : caractérisation dynamique (par rapport au temps), durées chirurgies variables

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" * G. Quellec et al.. A multiple-instance learning framework for diabetic retinopathy screening, Med. Image Anal. Vol. 16 (6), Août 2012 17 21/10/13 RT6 Systèmes d information en santé

Signature (de groupes) d images Requête Résultat 1 Apprentissage multi-instances Résultat 2 Exemple de détection probabiliste Idée * Recherche des caractéristiques que l'on ne trouve que dans des examens pathologiques Entrée * Diagnostics pour plusieurs examens médicaux * Pas de segmentation des images Sortie * Outil de détection probabiliste des zones pathologiques * Vecteurs de paramètres adaptés à chaque échelle 18

Une application : projet ANR TéléOphta Screening center Ophdiat server Lariboisière reading center trained technician age = 50 sex = F type I DM etc. Statistics: 29 centers in the network 15,000 exams per year DR grade presence of AMD, glaucoma, etc. should the patient by seen by an ophthalmologist? Statistics: 11 ophthalmologists Curent Ophdiat screening network 19

Une application : projet ANR TéléOphta Screening center Teleophta system Ophdiat server Lariboisière reading center trained technician age = 50 sex = F type I DM etc. patients sorted in pathological order DR grade presence of AMD, macular edema, etc. should the patient by seen by an ophthalmologist? Statistics: 29 centers in the network 15,000 exams per year Statistics: 11 ophthalmologists 20

Une application : projet ANR TéléOphta Examen Extrac'on d une signature pour le groupe d images Détection des lésions Fusion d information hétérogènes et incomplètes Risque estimé de présence de pathologie Informations contextuelles Informations contextuelles enrichies «examen normal» (EN) ou «examen pour avis» (EPA) 21

Une application : projet ANR TéléOphta Performance d un spécialiste par rapport à OPHDIAT Sensibilité du spécialiste par rapport à OPHDIAT 80,9% sensibilité Spécificité de ce spécialiste par rapport à OPHDIAT Spécificité du système TELEOPHTA pour la même sensibilité que le spécialiste: ~ 68 % 81,5% 22 1 - spécificité

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? 23

Recherche par le contenu sur des vidéos n Base de données : chirurgies de la cataracte et de la rétine page 24 RT6 Systèmes d information en santé

Exemple de réponse à une requête n Exemple de réponses à une requête Institut 24-25/11/10 Mines-Télécom Evaluation AERES 2010 25

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

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 27

Blind and non-blind digital-forensics Objectives : detection, localization and identification (at least approximating) of the image tamper n Watermarking/signature based digital forensics. 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

A posteriori protection Seen by physicians n Medical Image watermarking Seen by the system Lossless or reversible watermarking Region of non Interest watermarking Demonstrator developped in collaboration with Med-E-Com Sample view of the original table Watermarking One tuple includes the attributes: stay identifier ( id_stay ), patient identifier ( id_patient ), patient age and gender, ICD-10-encoded principal diagnosis ( p_diag ). of database Robust-lossless watermarking Fragile lossless watermarking of categorical attributes Sample view of the watermarked table Sample view of the watermarked table At the reading stage A58 indicates 0 and A050 1. At the reading stage A58 indicates 0 and A050 1. 29

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 Msg s Msg e 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. 30

Current projects 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 ANR- ARPEGE project PAIRSE DGA Rapid project- Frag & Tag IRT B-COM project ISIMED Industrial project - PROTECIMAGES CRITT Santé Bretagne project- TOUTATIS 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 Object: Fragmentation & watermarking Partners: Lab-STICC, ARISMORE, SWID, CETIMA Object: Distributed medical image info-structure Contribution: Integrity et traceability of images Partners: INRIA, Inserm U746 - U936 1099, CHRU Rennes, ETIAM, BIOTRIAL, MEDECOM Object: Watermarking of medical images Partners: MEDECOM. Object: Watermaking & encryption of medical image data Partners: MEDECOM. G. Coatrieux LaTIM/Dpt. ITI 31

Merci de votre attention 32 21/10/13 RT6 Systèmes d information en santé