Intelligence artificielle : les enjeux du traitement des données

Des enjeux colossaux…. et des quantités phénoménales de données

Médicaux et scientifiques

Il s’agit in fine d’identifier le traitement le plus efficace pour chaque patient (aide à la décision) et d’éviter des traitements inutiles ou néfastes

• Mieux diagnostiquer : meilleure classification des tumeurs et la découverte de nouveaux facteurs de risques/susceptibilité
• Mieux traiter : nouvelles indications et combinaisons de traitements, biomarqueurs prédictifs de la réponse au traitement, nouvelles molécules, essais cliniques mieux ciblés, suivi des effets secondaires en temps réel
• Trouver les traitements de demain : comprendre les résistances aux traitements, identifier de nouvelles cibles pour la médecine de précision, intégrer les données environnementales

De quantité, d'hétérogénéité et de qualité 

Les petaoctets (un pétaoctet = un million de milliards d’octets) de données disponibles proviennent de sources différentes que les équipes de la Direction des data gèrent et font communiquer entre elles pour permettre une analyse dynamique : nous sommes face à des données de plus en plus volumineuses, complexes (génomiques, physiologiques, biologiques, cliniques, sociales…), hétérogènes (textes, valeurs numériques, signaux, images 2D et 3D, séquences génomiques…) et dispersées (hôpitaux, laboratoires, bases publiques…).

• Images (radiographies, échographies, IRM…)
• Données d’anatomopathologie
• Caractéristiques moléculaires de la tumeur
• Analyses biologiques
• Histoire médicale du patient (traitements administrés, évolution de la tumeur…)

Organisationnels 

• Structurer les données et les relier entre elles (interopérabilité)
• Stocker et conserver les données
• Permettre l’exploitation (analyse) et la visualisation des données.