Les 4 équipes lauréates et finalistes du Datathon DAT-ICU (Intensive Care Unit), co-organisé par l’Assistance Publique – Hôpitaux de Paris (AP-HP), la Société de Réanimation de Langue Française (SRLF), l’Université Paris-Descartes et le Massachusetts Institute of Technology – MIT Critical Data, et s’étant déroulé au Campus Picpus les 20 et 21 janvier 2018, ont été dévoilées le 24 janvier 2018 à l’occasion du Congrès Réanimation 2018 de la SRLF.
Les équipes internationales composées de professionnels de santé et des spécialistes en science des données ont utilisé les données du Massachusetts Institute of Technology afin de développer des pistes de recherche innovantes.
Les équipes lauréates et finalistes pourront reproduire leurs approches sur l’entrepôt de données de santé de l’AP-HP en déposant un protocole au conseil scientifique et éthique associé.
Un concours international autour des données du MIT
Plus de 160 participants, une centaine d’experts en science des données, une trentaine de médecins et autant de professionnels associant des compétences médicales et en science des données, se sont réunis au Campus Picpus, à l’hôpital Rothschild, AP-HP pour le Datathon DAT-ICU. Ils sont majoritairement Français (80%), mais également ressortissants d’autres pays européens (12%), des États-Unis, du Canada et du Brésil (5%) ou d’Asie et d’Afrique (3%).
Qualification et mise en norme des données
L’objectif du rassemblement – amorcer la résolution de problématiques de recherche médicale en se fondant sur les données dé-identifiées issues de la base de données de réanimation développée par le laboratoire de physiologie computationnelle du Massachusetts Institute of Technology (MIT Critical Data).
Cette base inclut des données démographiques, des mesures des paramètres vitaux, des résultats biologiques et bactériologiques, des données sur les traitements, des comptes rendus d’hospitalisation et d’imagerie, ainsi que des notes de personnels médicaux. Afin de pouvoir les exploiter à l’occasion du datathon, elles ont été mises dans un format standardisé par les équipes de l’AP-HP.
Les projets sortis du lot
Les projets lauréats – SIMI-SEPSIS et DLDIY
- SIMI-SEPSIS est un projet dont la finalité est l’élaboration de recommandations sur l’intensité du traitement à mettre en œuvre pour les patients en choc septique, grâce à l’exploitation des données issues de l’historique de patients similaires ;
- DLDIY est un projet ayant trait à la codification des données et leur traitement qu’elles soient structurées ou non. En recourant à une approche originale de réduction de la complexité des données de santé afin de pouvoir exploiter des données textuelles non structurées, mais également des données caractérisées par une dizaine de milliers de paramètres structurés, ils ont mis en place un algorithme permettant de coder automatiquement les diagnostics associés à certains séjours en réanimation et à classifier des groupes de patients de manière non supervisée.
Les projets finalistes – ACTERREA et ACTIVE LEARNING
- ACTERREA est un projet visant à permettre de prédire les épisodes d’instabilité hémodynamique (circulation sanguine en mouvement dans le système cardio-vasculaire) dans les 14 heures après l’admission en réanimation. L’équipe qui a œuvré sur ce thème a mis au point une combinaison de plusieurs modèles d’apprentissage machine qu’elle a appliquée aux données recueillies au cours des 2 premières heures suivant l’admission des patients ;
- ACTIVE LEARNING est un projet d’apprentissage actif dont la finalité consiste dans la capacité d’annoter des données non structurées tout en minimisant les ressources d’annotation manuelles nécessaires. L’équipe qui a mis au point le projet a utilisé a illustré sa portée avec un exemple d’annotation d’un antécédent médical d’hypertension.