L'analyse des savoirs,
la construction du sens

Savoirs, Textes, Langage

Projets pour lesquels le laboratoire est partenaire

MIAM (Maladies, Interactions Alimentation-Médicaments)

Projet ANR
Dates : jan 2017 - dec 2019
Porteur : Thierry Hamon, LIMSI, Paris
Budget : 646 092 euros
Partenaires : LIMSI-CNRS, MESHS-STL, U Bordeaux, CNHIM, Antidot

Résumé : Avec le volume important de données non structurées présentes dans les bases bibliographiques, mais aussi le développement de bases de connaissances ouvertes, accéder aux connaissances qu'elles contiennent nécessitent de produire une vision globale à partir de multiples sources hétérogènes. Pour cela, le projet MIAM vise à proposer des méthodes s'appuyant sur le Traitement Automatique des Langues, la fouille de textes, ainsi que la représentation et la modélisation de connaissances, afin d'agréger ces données et connaissances issues de bases de connaissances, de Linked Open Data ou de publications scientifiques. L'évaluation des résultats est réalisée avec cas d'usage réel : les interactions entre des médicaments et des aliments pouvant conduire à un effet indésirable. Ces informations sont généralement dispersées dans plusieurs ressources et les agréger aidera à formaliser et à visualiser la description de ces interactions pour éviter ce genre d'effets.

PACHA (Développement et validation d’indicateurs automatisés de pertinence de la prescription des anticoagulants oraux en médecine adulte à partir du système d’information hospitalier)

Projet PREPS
Porteur : Thiessard Frantz, ISPED, CHU Bordeaux
Dates : jan 2016 - nov 2019
Budget : 550 757 euros
Partenaires : CHU Bordeaux, STL-Lille, CHU Rennes, HEGP-Paris

Résumé : La pertinence des prescriptions d’anticoagulants oraux (Anti-Vitamines K et Anticoagulants Oraux Directs) constitue un enjeu majeur pour l’amélioration de la qualité, de la sécurité et de
l’efficience des soins. La large population cible des anticoagulants oraux, leur fréquence de prescription et leur fort risque iatrogénique, en établissement de santé notamment, justifient l’intérêt de développer des indicateurs de pertinence de la prescription des anticoagulants oraux et de les mettre en oeuvre de façon automatisée à partir du système d’information hospitalier, en vue d’une restitution régulière aux prescripteurs. Le constat est celui du manque d’indicateurs validés et du besoin
de les développer et les appliquer à la pratique clinique hospitalière, dans le cadre d’une démarche continue d’amélioration des pratiques professionnelles. Chaque système d’information hospitalier (SIH) étant différent, nous souhaitons proposer des outils les plus transposables possible à d’autres ES
permettant le calcul automatisé de ces indicateurs.

BIGCLIN (BIG data analytics for unstructured CLIN ical data)

Projet du LABEX CominLabs
Dates : oct 2016 - sep 2019
Porteur : Marc Cuggia, CHU Rennes ; Vincent Claveau, IRISA-CNRS, Rennes
Budget : 265 500 euros
Partenaires : IRISA-Rennes, HBD-CHU Rennes, STL-Lille

Résumé :
As defined by the Data To Knowledge initiative, Health Big Data (HBD) is more than just a very large amount of data or a large number of data sources. HBD refers to the complexity, challenges, and  new opportunities presented by the combined analysis of data. The data collected or produced during the clinical care process are now potentially sharable and reusable. They can be exploited at different levels and across different domains, especially concerning questions related to clinical and translational research. It has been demonstrated that for instance Electronic Health Records (EHRs) surpass many existing registries and data repositories in volume, and the reuse of these data may diminish the costs and inefficiencies associated with clinical research. To leverage these big, heterogeneous, sensitive and multidomain clinical data, new infrastructures are arising in most of the academic hospitals, which are intended to integrate, reuse and share data for research. This project thus proposes to address the essential need to leverage the above barriers when reusing unstructured clinical data at a large scale.

FIGTEM (FineGrained Text Mining for Clinical Trials)

Projet de l'INS2I
Dates : oct 2016 - sep 2019
Porteur : Vincent Claveau, IRISA-CNRS, Rennes
Budget : 20 000 euros
Partenaires : IRISA-Rennes, PUCPR-Parana-Bresil, HBD-CHU Rennes, STL-Lille

Résumé : Current medical needs, the growth of targeted therapies and personalized medicines, and escalating R&D costs result in formidable cost pressures on healthcare systems and the pharmaceutical industry. At the same time, clinical research grows in complex, labour intensity and cost. There is a growing realization that the development and integration of advanced Electronic Health Record systems (EHRs) for medical research can enable substantial efficiency gains and thereby make clinical centers more attractive for R&D investment whilst also providing patients in the region more rapid access to innovative medicines and improved health outcomes. In the clinical research process, meeting patient recruitment targets for the growing portfolio of clinical trials and observational studies conducted across the globe is an unprecedented challenge for the industry.