Drug-drug interactions detection systems improvement
Systèmes de détection des interactions médicamenteuses :
points faibles & propositions d'améliorations
Résumé
The detection systems drug interactions (IAM) are used in medicine to reduce iatrogenic. However, it appears that their implementation impact medical work.
In this context, we tried to propose improvements to these systems and knowledge necessary for their operation in order to improve the clinical relevance of their recommendations.
The methodology that we followed, is threefold:
First, we conducted an analysis of the functioning of a system.
Secondly we have conducted a modeling study and acquisition of knowledge of IAM using the techniques of engineering expertise and especially the techniques of documentary engineering
Finally, we have sought, through a descriptive study, if there is a link between alerts (combination), where the service is reported warning and response (acceptance or rejection) of the user . It appears that the connection is likely, paving the way for the adaptation of alerts according to the user.
The theoretical results obtained encourage further research in this area, to implement the algorithm and the knowledge base developed. They incite to extend the scope of research in the field of data-mining.
In this context, we tried to propose improvements to these systems and knowledge necessary for their operation in order to improve the clinical relevance of their recommendations.
The methodology that we followed, is threefold:
First, we conducted an analysis of the functioning of a system.
Secondly we have conducted a modeling study and acquisition of knowledge of IAM using the techniques of engineering expertise and especially the techniques of documentary engineering
Finally, we have sought, through a descriptive study, if there is a link between alerts (combination), where the service is reported warning and response (acceptance or rejection) of the user . It appears that the connection is likely, paving the way for the adaptation of alerts according to the user.
The theoretical results obtained encourage further research in this area, to implement the algorithm and the knowledge base developed. They incite to extend the scope of research in the field of data-mining.
Depuis plus de 30 ans, l'informatique est utilisée dans le domaine médical. Son utilisation tend à se généraliser depuis qu'elle est présentée comme un moyen permettant de réduire l'iatrogénie. Cependant, on assiste depuis le début des années 2000 à une augmentation du nombre d'études tempérant l'enthousiasme que ces systèmes suscitaient à l'origine.
En effet, il apparaît que leur implantation impacte l'organisation du travail médical et que les recommandations réalisées par les systèmes d'aide à la décision-Clinical Decision Support Systems (CDSS) ne sont pas toujours cliniquement pertinentes. Les conséquences de ces modifications/anomalies vont du rejet du système par les utilisateurs à une diminution de la sécurité du patient. Les systèmes de détection des interactions font partie des premiers CDSS ayant été mis au point. Ils sont également le sujet de critiques relatives à la non-pertinence de leurs interventions.
Dans ce contexte, nous avons essayé de proposer des modifications algorithmiques pour ces systèmes ainsi que les connaissances nécessaires à leur fonctionnement, dans le but d'améliorer la pertinence clinique de leurs recommandations. L'objectif de ce travail est de proposer un algorithme et la base de connaissances nécessaire à son fonctionnement, pour améliorer la spécificité des systèmes de détection des IAM. Ce travail couvre aussi bien la construction de l'algorithme que la modélisation et l'acquisition des connaissances nécessaire à son fonctionnement.
La méthodologie que nous avons suivie, est triple. Dans un premier temps, nous avons effectué une analyse des alertes signalées par un système de détection des IAM, utilisé dans un hôpital parisien. L'objectif de cette étude était de mettre en évidence les raisons motivant les utilisateurs pour passer outre les alertes produites par le système. A partir de cette étude, nous avons pu proposer un ensemble de spécifications et un algorithme répondant à ces spécifications.
Dans un deuxième temps, nous avons procédé à la modélisation et à l'acquisition des connaissances relatives aux IAM. Cette deuxième étape fut réalisée en utilisant les techniques de l'ingénierie des connaissances et plus particulièrement les techniques de l'ingénierie documentaire. Le résultat pratique de cette deuxième étape est la base de connaissances sur les IAM et l'éditeur de fichiers XML ayant servi à l'encoder. Cet éditeur utilise le modèle que nous avons développé grâce à une application des techniques d'extraction des connaissances à partir des textes.
En dernier lieu, nous avons recherché, au travers d'une étude descriptive, s'il existe un lien entre les alertes (association médicamenteuse), le service où l'alerte est signalée et la réponse (acceptation/rejet) de l'utilisateur. Il apparaît que l'existence de ce lien est probable, ce qui ouvre la voie à l'adaptation des alertes (intrusives/non intrusives) en fonction de l'utilisateur.
Les résultats théoriques que nous avons obtenus, nous encouragent à poursuivre nos recherches dans ce domaine, pour mettre en application l'algorithme et la base de connaissances que nous avons développés. Nous sommes également motivés pour étendre notre champ de recherche dans le domaine du data-mining, afin de permettre aux systèmes informatisés de connaître « les méthodes de prescription des médecins ».
En effet, il apparaît que leur implantation impacte l'organisation du travail médical et que les recommandations réalisées par les systèmes d'aide à la décision-Clinical Decision Support Systems (CDSS) ne sont pas toujours cliniquement pertinentes. Les conséquences de ces modifications/anomalies vont du rejet du système par les utilisateurs à une diminution de la sécurité du patient. Les systèmes de détection des interactions font partie des premiers CDSS ayant été mis au point. Ils sont également le sujet de critiques relatives à la non-pertinence de leurs interventions.
Dans ce contexte, nous avons essayé de proposer des modifications algorithmiques pour ces systèmes ainsi que les connaissances nécessaires à leur fonctionnement, dans le but d'améliorer la pertinence clinique de leurs recommandations. L'objectif de ce travail est de proposer un algorithme et la base de connaissances nécessaire à son fonctionnement, pour améliorer la spécificité des systèmes de détection des IAM. Ce travail couvre aussi bien la construction de l'algorithme que la modélisation et l'acquisition des connaissances nécessaire à son fonctionnement.
La méthodologie que nous avons suivie, est triple. Dans un premier temps, nous avons effectué une analyse des alertes signalées par un système de détection des IAM, utilisé dans un hôpital parisien. L'objectif de cette étude était de mettre en évidence les raisons motivant les utilisateurs pour passer outre les alertes produites par le système. A partir de cette étude, nous avons pu proposer un ensemble de spécifications et un algorithme répondant à ces spécifications.
Dans un deuxième temps, nous avons procédé à la modélisation et à l'acquisition des connaissances relatives aux IAM. Cette deuxième étape fut réalisée en utilisant les techniques de l'ingénierie des connaissances et plus particulièrement les techniques de l'ingénierie documentaire. Le résultat pratique de cette deuxième étape est la base de connaissances sur les IAM et l'éditeur de fichiers XML ayant servi à l'encoder. Cet éditeur utilise le modèle que nous avons développé grâce à une application des techniques d'extraction des connaissances à partir des textes.
En dernier lieu, nous avons recherché, au travers d'une étude descriptive, s'il existe un lien entre les alertes (association médicamenteuse), le service où l'alerte est signalée et la réponse (acceptation/rejet) de l'utilisateur. Il apparaît que l'existence de ce lien est probable, ce qui ouvre la voie à l'adaptation des alertes (intrusives/non intrusives) en fonction de l'utilisateur.
Les résultats théoriques que nous avons obtenus, nous encouragent à poursuivre nos recherches dans ce domaine, pour mettre en application l'algorithme et la base de connaissances que nous avons développés. Nous sommes également motivés pour étendre notre champ de recherche dans le domaine du data-mining, afin de permettre aux systèmes informatisés de connaître « les méthodes de prescription des médecins ».