Vers une interopérabilité sémantique des données en santé

Résumé

Le domaine de la santé fait face à des enjeux majeurs d’interopérabilité. Une complexité induite par la diversité de la représentation des données provenant de multiples sources, telles que les dossiers électroniques, les équipements ou dispositifs biomédicaux ainsi que les objets connectés. L’interopérabilité est un élément névralgique de la transformation numérique qui fait l’objet des recherches ciblant une normalisation progressive qui a pour objectif de faciliter les échanges entre les différents systèmes d’information utilisés dans le parcours des soins du patient. L’objectif principal de cette recherche est de contribuer à faciliter l’interopérabilité d’information normalisée et de qualité concernant les conditions médicales d’un patient dans le contexte francophone québécois et canadien. Dans un premier temps, cette recherche présente une vue d’ensemble des travaux et de l’état de l’art concernant le standard d’interopérabilité HL7 FHIR, qui est une norme spécifiquement développée pour le domaine de la santé, qui vise à assurer une sémantique partagée dans les échanges entre les différents logiciels de la santé. Il est question ici d’identifier les données ciblées par cette sémantisation ainsi que les approches utilisées à ce jour. Cette revue présente une classification des méthodologies utilisées à différentes étapes du processus d’échange de données: extraction, annotation, modélisation, mise en correspondance et transformation. Les conclusions de cette revue indiquent que l’apprentissage machine et le traitement du langage naturel (AM/TLN ou NLP), récemment introduit pour les données non structurées, représentent des avenues encourageantes de solution à ce problème. De plus, le recours à la normalisation des échanges, fondés sur des terminologies telles que SNOMED, offre des avenues intéressantes de solutions pour assurer une interopérabilité sémantique à l’avenir. Dans un deuxième temps, un modèle favorisant l’interopérabilité sémantique des données concernant les conditions médicales du patient, notamment pour les allergies, est proposé. Un cadre hybride est conçu, utilisant à la fois des techniques de traitement de langage naturel accompagné par des règles qui permettent d’extraire et de transformer des textes cliniques francophones en format libre et de les convertir par la suite à un modèle normalisé basé sur le standard international HL7 FHIR et la terminologie SNOMED CT. Pour ce faire, le corpus FRASIMED, de données médicales ouvertes francophones, a été utilisé avec une mise en correspondance vers le modèle international du sommaire du patient utilisant la plateforme MedSpacy. Les résultats expérimentaux sont prometteurs et pourront contribuer à améliorer l’interopérabilité sémantique des données non structurées en français. Par la suite, pour faciliter le déploiement en pratique clinique, une démarche en trois étapes a été effectuée: 1) Analyse des méthodologies actuelles permettant la vérification et la validation des approches NLP-to-FHIR, 2) Réalisation d’une analyse «root-causes», conformément aux principes du génie logiciel, afin d’identifier les biais potentiels, 3) Développement d’une feuille de route en cinq phases pour pallier aux défis du processus de vérification et de validation notamment : (a) gouvernance et cadre de confidentialité; b) disponibilité et diversité des jeux de données; c) sélection des données et méthodologie d’annotation; d) développement linguistique; et e) validation, détection des biais et amélioration continue. En conclusion, les données francophones non structurées concernant l’état de santé d’un patient peuvent être converties et mise en correspondance à l’aide de terminologie normalisée du domaine de la santé pour assurer un échange simple et de qualité entre les différents systèmes impliqués dans la prise en charge d’un patient. Un cadre rigoureux de vérification et de validation s’impose pour assurer l’opérationnalisation des modèles basés sur NLP en milieu clinique.

Date	14 mai 2026
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Alain April (Directeur(-trice)) & Alain Abran (Codirecteur(-trice))