Sept nouveaux projets sélectionnés pour enrichir la bibliothèque open source d’algorithmes en santé

7 projets lauréats ont été sélectionnés par la Plateforme des données de santé (PDS), ou Health Data Hub, dans le cadre de la neuvième édition de l’appel à manifestation d’intérêt (AMI) dédiée à la Bibliothèque Ouverte d’Algorithmes en Santé (BOAS). Ces projets visent à documenter et développer des algorithmes, programmes et outils informatiques en santé pour faciliter l’accès aux bases de données existantes. Ils viennent s’ajouter aux 33 projets issus de ce programme déjà accompagnés par les équipes de la PDS.

Afin de répondre aux enjeux liés à la réutilisation croissante des données, trois thématiques prioritaires ont été définies dans le cadre de l’AMI BOAS : 

• la documentation médicale et technique d’algorithmes ou codes sources développés sur des données de santé et permettant leur réutilisation large (Thématique 1) ; 
• le développement, validation et sophistication d’algorithmes de ciblage ou autres programmes visant à faciliter la réutilisation de la base principale du SNDS (Thématique 2) ;
• le développement, validation et sophistication d’algorithmes, de codes sources ou de programmes visant à faciliter la réutilisation de données de santé autres que celles issues de la base principale du SNDS (Thématique 3).

Les sept projets ont été sélectionnés par un jury d’experts indépendants et bénéficieront d’un accompagnement humain, technique et financier.

Les projets retenus :

• sur les données de l’Assurance Maladie (base principale du SNDS)
  • ALGOPREM (Inserm) : identification des comorbidités néonatales et des troubles du neurodéveloppement associés à 2 et 5 ans suite à une extrême prématurité. 
• sur d’autres bases de données de santé 
  • Data Contrat (CHU de Brest) : mise en open source d’outils (documentation, validateur en ligne, librairie Python) qui permettront d'automatiser le contrôle qualité des données issues des EDS partenaires et de garantir leur interopérabilité.
  • Open Tak (Heva) : fournir une solution open source en Python dédiée à l’identification, au regroupement et à la visualisation des séquences de soins à partir des données de vie réelle.
  • PALOMA (RCTs) : exploiter la cohorte DESIR pour étudier dans quelle mesure des algorithmes de machine learning, combinés à la génération de patients synthétiques, peuvent améliorer l’imputation des données manquantes dans une cohorte longitudinale. 
  • ESMEMIIC (Institut Curie) : améliorer l’analyse des relations entre données cliniques, biologiques et thérapeutiques dans le cancer du sein métastatique en exploitant les données ESME CSM-SNDS ;
  • Arcade (AP-HP) : développer des algorithmes open source d’identification de l’asthme pédiatrique (enfants de 6 à 17 ans) dans l’entrepôt de données hospitalier de l’AP-HP ;
  • Doc2Text (CHU de Brest) : structurer les comptes rendus médicaux issus de l’EDS du CHU de Brest afin de faciliter leur recherche et leur exploitation par des outils d’analyse de texte, notamment des modèles de langage capables de s’appuyer sur les documents pour produire des réponses.

La BOAS, un levier de mutualisation

La BOAS centralise et documente des outils open source conçus pour faciliter l’exploitation des données de santé. Elle répond à un enjeu partagé par la communauté : limiter la duplication des efforts et accélérer le développement de projets, notamment sur des sujets tels que la sélection de populations, l’extraction ou l’anonymisation des données.

Les résultats des projets lauréats de l’AMI BOAS ont vocation à enrichir cette bibliothèque, qui reste ouverte à l’ensemble des porteurs de projets souhaitant partager des outils réutilisables. Plus de 40 ressources sont d’ores et déjà disponibles.

Une nouvelle édition de l’AMI BOAS sera prochainement ouverte.