Date : dimanche 5 juin 2022
Heure : 12h00 - 15h30 (HAE)

Titre : Phénotypage des dossiers médicaux électroniques

Instructeur : Jessica Gronsbell, University of Toronto

Résumé :

L'adoption généralisée des dossiers de santé électroniques (DSE) a donné lieu à une opportunité sans précédent d'exploiter les données médicales collectées de manière routinière à des fins autres que les soins aux patients et la facturation. De vastes quantités d'informations longitudinales au niveau du patient, autrefois enfermées dans un format papier, sont exploitées pour la recherche épidémiologique, la prise de décisions cliniques, la surveillance des maladies et la modélisation prédictive des facteurs de risque de maladie dans le monde réel. La première étape de presque toutes les applications basées sur les DSE est le phénotypage, ce processus d'identification du sous-ensemble de patients parmi les centaines de milliers de patients de la base de données qui présentent la maladie, l'état ou la caractéristique qui les qualifie pour l'analyse. Bien qu'il s'agisse d'un aspect omniprésent de la recherche sur les DSE, le phénotypage est une tâche qui demande beaucoup de temps et d'argent, en raison de la quantité de connaissances spécialisées requises pour traduire précisément une condition clinique en critères qui décrivent sa manifestation dans le DSE. Dans cet atelier, je présenterai des méthodes d'apprentissage statistique conçues pour accélérer le processus de phénotypage et améliorer l'évolutivité de la recherche sur les DSE.

Sujets couverts et calendrier

Il s'agira d'un atelier d'une demi-journée couvrant les sujets suivants :

1. Les données du DSE : De quoi s’agit-il et à quoi servent-elles ? (20 min) 
2. Bref historique du phénotypage des DSE (30 min)
   Pause – 10 min
3. Méthodes d'apprentissage semi-supervisées permettant d’accélérer le phénotypage (90 min) 
   1. Contexte de l'apprentissage statistique
   2. Approche générale
   3. Traitement de données non structurées par traitement du langage naturel clinique
   4. Méthodes de sélection des caractéristiques
4. Recherche actuelle en matière de phénotypage (15 min) 
   Pause – 10 min
5. Exemple pratique de phénotypage (40 min)

Objectifs d'apprentissage

• Compréhension des avantages et des défis de l'utilisation des données du DSE pour la recherch
• Compréhension des défis du phénotypage des DSE et des approches de base pour les relever
• Capacité à mettre en œuvre un algorithme de phénotypage en utilisant des méthodes d'apprentissage statistique

Prérequis

• Programmation en R

Logiciel requis

Tous les participants auront besoin d'un ordinateur portable avec R pour participer à la session pratique.