Impulsions

Discussions sur les soins de santé et la technologie

Tous les articles

Analyser les données avec une approche ascendante efficace

Foto_Blog_311.jpgTraditionnellement, pour obtenir des informations provenant d'une quantité importante de données, l'on fait appel à un dictionnaire ou une ontologie définis au préalable afin de trouver des liens. Cette méthode de recherche est coûteuse, car il faut des experts pour constituer un dictionnaire et une ontologie et interpréter les résultats de la recherche de façon utile. Mais le plus gros inconvénient de cette approche descendante est que l’on ne trouve que ce que l’on cherche. Les liens pertinents qui sortent du cadre de votre recherche ne sont pas pris en compte.

La solution iKnow d’InterSystems aborde justement le problème de manière différente. Le système n’a pas besoin de dictionnaire ou d’ontologie préalablement définis pour établir des liens entre les données. iKnow analyse d’abord toutes les données et en distille les liens qui les unit, une approche ascendante donc.

Afin de comprendre pourquoi cette approche est meilleure, nous comparons une base de données avec un océan renferment de nombreux trésors. Traditionnellement, le pêcheur lance sa ligne et s'il attrape quelque chose, c’est qu’un être vivant a mordu à l’hameçon ; un être vivant suffisamment grand que pour être pris au piège, mais trop faible pour s’en libérer.

Ce que le pêcheur traditionnel n’attrape pas, ce sont les animaux qui ne mordent généralement pas à l’hameçon, qui sont trop petits, qui vivent au fond de la mer, ou d’autres choses comme un véritable trésor, etc. Évidemment, le pêcheur peut lancer d’autres types d’hameçons, utiliser des chaluts, ou avoir recours à d’autres méthodes. Mais cela ne fait qu’augmenter le prix du poisson, et même dans ce cas le pêcheur n'attrape pas toujours ce qui se trouve dans la mer, seulement les choses qu’il escompte trouver dans son terrain de chasse.

iKnow établit des liens

Un pêcheur qui utilise l’approche ascendante d’iKnow a installé un sondeur dans son bateau qui lui donne un aperçu de tout ce qui se trouve dans la mer et sur le fond. Et ce sondeur est contrôlé par un puissant logiciel qui, sur la base de toutes ces images, découvre que certaines variétés de poissons ne vivent ensemble que par hasard, mais que d'autres espèces d'animaux marins par contre vivent en symbiose, etc. Et si le bateau vient à passer au-dessus du trésor légendaire, il le découvre également.

Cette comparaison reste également valable dans la pratique. Imaginons qu'un chercheur recherche dans un grand fichier de données des patients ayant une pression artérielle élevée (hypertension). La méthode de recherche traditionnelle consiste à parcourir les données à l'aide d'un dictionnaire et d'une ontologie et à trouver de nombreux patients souffrant d'hypertension, mais aussi un dossier où ce terme « hypertension » est utilisé dans un autre contexte, comme « l'hypertension pulmonaire aiguë » par exemple. Chaque personne disposant d'une formation médicale sait que cette maladie est bien différente de l'hypertension, et c'est bien là le cœur du problème de l'approche descendante : des experts sont encore nécessaires pour interpréter les résultats de recherche. A fortiori dans le cas de très grandes bases de données et pareils résultats à filtrer, créer le bon fichier se révèle chronophage et coûteux.

iKnow comprend le contexte

iKnow repère également dans la  base de données des patients  les dossiers traitant de l'hypertension pulmonaire aiguë. Le logiciel d'iknow décèle en outre que cette hypertension dans les poumons est apparue après que le patient ait été victime d'une crise cardiaque (« infarctus du myocarde »). iKnow ne recherche donc pas seulement des concepts spécifiques. Il analyse également le contexte dans lequel s'inscrivent ces concepts et sait donc parfaitement qu'il s'agit d'un tout autre type de patient. Si le chercheur veut un dossier reprenant des patients souffrant d'hypertension, iKnow met alors les dossiers traitant d'hypertension pulmonaire aiguë sur le côté, car le chercheur n'en a pas besoin dans le cadre de cette recherche spécifique. L'approche ascendante efficace et effective d'iKnow offre donc de meilleurs résultats à moindre coût.

Analyser des données

Comment analysez-vous les données ? Au plaisir de découvrir vos réactions et commentaires !

Visionnez également notre vidéo sur iKnow « Exploring text from the bottom up » :

 et/ou téléchargez le rapport ci-dessous :

Analyse sémantique de données dans le Big Data

 

THÈMES: Big Data, NoSQL, iKnow, Dossier Patient Informatisé

David Majster
David Majster
David Majster a été directeur marketing chez InterSystems Benelux entre 2003 et 2018. Il a combiné son enthousiasme pour les technologies TI avec une approche pragmatique. David est connu pour son bon sens de l'humour et son ingéniosité. Après plus de 40 ans d'expérience au sein d'entreprises informatiques internationales en Belgique, aux Pays-Bas, en Allemagne et en France, il profite aujourd'hui d'une retraite bien méritée.

 


Laissez un commentaire

Vous aimerez peut-être:

Gartner Magic Quadrant 2018 : InterSystems reconnu comme Challenger dans la catégorie « Operational Database Management Systems  »

Cambridge, Mass – 26 octobre 2018 – InterSystems, l’un des leaders mondiaux des technologies de l'informa...
Adeline Icard 29/10/2018

[Communiqué de presse] InterSystems accompagne l’Hôpital Américain de Paris

Paris, le 13 juillet 2018 –InterSystems France, leader mondial en matière de logiciels pour un circuit de...
Adeline Icard 08/10/2018