EPFZ-Source d'idées neuves

EPFZ – Source d’idées neuves
Faire parler
les données
Le flux de données numériques
coule maintenant aussi naturellement
que l’eau de nos robinets.
L’internet des objets couvre le
monde entier. La société IDC estime
que d’ici à 2020 la quantité de données
numériques s’élèvera à 40 zettaoctets.
Soit un nombre avec 21 zéros!
Les données proviennent de nombreuses
sources et sont disponibles
sous différentes formes et qualités:
image, texte, vidéo, fichier audio ou
notes qu’il faut d’abord numériser.
La médecine personnalisée utilise
diverses sources de données – du
fitness tracker aux antécédents médicaux
individuels en passant par le
profil génétique. Mais les données
brutes ont une valeur limitée. Elles
deviennent en effet intéressantes
pour la science, la médecine ou l’économie
numérique une fois qu’elles
ont été préparées pour pouvoir être
traitées à l’aide d’algorithmes. Tout
comme pour la transformation des
matières premières en produits finis,
il existe également un processus de
raffinement en plusieurs étapes pour
les données permettant une nouvelle
compréhension.
Les patients en soins intensifs dans
les hôpitaux sont particulièrement
bien surveillés. Les médecins et le
personnel soignant sont confrontés
à un flot de valeurs mesurées
et d’informations qui doivent être
continuellement observées et interprétées.
Pour déterminer dans quelle
mesure l’intelligence artificielle peut
soutenir ces tâches, l’Hôpital de l’Ile
à Berne et des chercheurs de l’EPFZ
ont développé un système d’alerte
précoce. L’objectif était de prédire
une défaillance circulatoire chez les
patients en soins intensifs jusqu’à huit
heures avant son apparition.
La première étape consistait à filtrer
les incohérences dans l’énorme
quantité de données et à s’assurer
que les données mesurées étaient
comparables. Sur 54 000 dossiers
de patients archivés, 36 000 ont été
analysés et, parmi les 4500 variables,
les 20 plus pertinentes ont été déterminées.
Sur la base de ces données,
les chercheurs ont ensuite utilisé
des méthodes du «machine lear-
33