De la prédiction à la décision : l’IA au service des cliniciens

Collecter la donnée, c’est bien. En tirer des décisions cliniques, c’est mieux. Grâce à une infrastructure robuste, le GHdC a mis en place un pipeline d’IA dans le cadre du projet OSIRIS, pour détecter l’état réfractaire primaire chez les patients atteints de lymphomes agressifs.

Ce pipeline complet repose sur une structuration fine des données FHIR, leur extraction via SQL Builder, et leur traitement dans un modèle IA utilisant un classifieur Naïf de Bayes pour la prédiction et un algorithme LIME pour l’explicabilité.

« Cela nous permet d’identifier, pour chaque patient, les variables qui influencent la prédiction. Les médecins apprécient beaucoup cette transparence. »

  Dr Marie Detrait, responsable de l’IA médicale au GHdC

Ces explications favorisent l’adhésion clinique et permettent un véritable soutien à la décision : si un patient présente un risque élevé d’échec de chimiothérapie, il va être surveillé de très près et pourra être orienté rapidement vers une thérapie par CAR-T si l’état réfractaire ou une rechute précoce est avéré.

Les briques techniques activées :

• Support natif de Python dans IRIS
• Pipeline Dockerisé compatible avec les outils IA du GHdC
• Modèle événementiel OSIRIS structurant le parcours patient sur toute sa trajectoire de soins

Pour comprendre comment ces données sont préparées en amont, relisez l’article sur la structuration de la donnée.

Lisez le use case complet ici