E-care : évolution ontologique et amélioration des connaissances

Journal Identification = MET Article Identification = 0451 Date: June 25, 2014 Time: 9:31 am
Innovations
mt 2014 ; 20 (2) : 79-86
E-care : évolution
ontologique et amélioration
des connaissances
pour le suivi
des insuffisants cardiaques
Amine Ahmed Benyahia1,2, Amir Hajjam1, Samy Talha3,
Mohamed Hajjam2, Emmanuel Andrès4,5, Vincent Hilaire1
1Université de technologie de Belfort-Montbéliard, 4, rue Thierry-Mieg, 90000 Belfort,
France
<amir[email protected]>
<[email protected]>
2Newel, 36, rue Paul-Cezanne, 68200 Mulhouse, France
<amine.ahmed-beny[email protected]>
<[email protected]>
3Service de physiologie et d’explorations fonctionnelles, hôpitaux universitaires de
Strasbourg, 67091, Strasbourg cedex, France
<samy[email protected]>
4Service de médecine interne, diabète et maladies métaboliques, hôpitaux universitaires de
Strasbourg, 67091, Strasbourg cedex, France
5Laboratoire de recherche en pédagogie des sciences de la santé, faculté de médecine de
Strasbourg, 67091, Strasbourg cedex, France
<[email protected]>
Le suivi à domicile des patients atteints de maladies chroniques devrait contribuer à limiter
les dépenses, favoriser l’émergence de nouvelles organisations plus efficaces et plus sécu-
risées que la pratique conventionnelle, et offrir une meilleure qualité de vie des patients.
Il repose sur la collecte d’informations comportementales, environnementales et physiolo-
giques du patient. Dans les premiers systèmes, ces données étaient envoyées directement
aux experts médicaux pour les interpréter. Avec les avancées technologiques actuelles, des
logiciels et des applications ont été développés pour traiter directement ces données. Dans
cet article, nous présentons l’architecture de la plate-forme de télésurveillance de patients
atteints d’insuffisance cardiaque, E-care, ainsi que la première phase de l’expérimentation
réalisée aux hôpitaux universitaires de Strasbourg. E-care est composée d’un module chez
le patient pour la transmission des données, et d’un module serveur qui rec¸oit et traite ces
données. Le module serveur combine les technologies du web sémantique et de l’intelligence
artificielle. Des ontologies génériques sont utilisées pour s’adapter à différentes pathologies
et différents types de capteurs et de données. Un moteur d’inférence est utilisé pour la sur-
veillance de l’évolution de l’état de santé du patient. La première phase de l’expérimentation,
réalisée aux hôpitaux universitaires de Strasbourg, a permis de valider l’ergonomie de cette
plate-forme et la cohérence des données remontées.
Mots clés : ontologie, télésurveillance médicale, insuffisance cardiaque, intelligence artifi-
cielle
La télésurveillance médicale est
une branche de la télémédecine
qui vise à rendre une autonomie à
domicile, à des personnes souffrant
de diverses pathologies et handi-
caps qui devraient normalement les
contraindre à une hospitalisation
ou à un placement en institutions
spécialisées : patients souffrant de
certaines maladies chroniques, han-
dicapés, mais aussi personnes âgées
dépendantes [1].
La télésurveillance médicale
s’appuie sur la transmission et
l’interprétation des indicateurs médi-
caux cliniques, radiologiques ou
biologiques, recueillis par le patient
lui-même ou par un professionnel de
doi:10.1684/met.2014.0451
mt
Tirés à part : A. Hajjam
79
Pour citer cet article : Ahmed Benyahia A, Hajjam A, Talha S, Hajjam M, Andrès E, Hilaire V. E-care : évolution ontologique et amélioration des connaissances
pour le suivi des insuffisants cardiaques. mt 2014 ; 20 (2) : 79-86 doi:10.1684/met.2014.0451
Copyright © 2017 John Libbey Eurotext. Téléchargé par un robot venant de 88.99.165.207 le 25/05/2017.

Journal Identification = MET Article Identification = 0451 Date: June 25, 2014 Time: 9:31 am
Innovations
santé (médecin, infirmier, etc.) [2]. Ils peuvent être
interprétés par un professionnel de santé, ou par des
programmes et des logiciels spécialisés. L’interprétation
peut conduire à la décision d’une intervention auprès du
patient ou bien à simplement lui prodiguer des conseils.
Parmi les avantages de la télésurveillance médicale, on
peut citer : une prévention accrue des situations à risque
de décompensation aiguë de la pathologie chronique avec
par conséquent une meilleure qualité de vie, une diminu-
tion des réhospitalisations et de leur coût économique,
un suivi médical plus adapté, un engagement et une
adhésion plus importante du patient à la prise en charge
de sa pathologie avec par conséquent une meilleure
compliance thérapeutique.
Ce domaine récent a donné lieu à beaucoup de
recherches au cours des deux dernières décennies qui
ont abouti notamment à des systèmes susceptibles de
permettre le maintien à domicile de ces personnes dans
certaines conditions. Pour prévenir les risques associés à
l’absence de support médical «présentiel », ces systèmes
technologiques doivent offrir des réponses graduées,
adaptées au cas par cas, en tenant compte du respect de
la vie privée de la personne tout en étant les moins intru-
sifs possibles. Ces systèmes doivent être ouverts, capables
d’intégrer diverses technologies, suffisamment flexibles
pour s’adapter à chaque patient et capable de prendre en
compte l’évolution de leur état de santé.
La télésurveillance est donc caractérisée par
l’utilisation de capteurs de données vitales néces-
saires pour le diagnostic comme la tension artérielle, le
poids, la température, la saturation du sang en oxygène,
etc. Ces capteurs sont, dans la plupart des cas, sans fil
(Bluetooth, wifi, etc.) pour plus de liberté de déplacement
et de portabilité [3]. D’autres capteurs peuvent être
utilisés comme les capteurs de comportement ou des
capteurs d’environnement.
Dans les premières générations, les données collec-
tées étaient envoyées aux médecins via internet pour être
interprétées et ainsi détecter des anomalies et des situa-
tions d’urgence. Avec l’avancement technologique, des
applications sont développées pour interpréter et détecter
les situations anormales. Ces applications sont implémen-
tées chez le patient sur un simple ordinateur, comme
sur des tablettes tactiles ou des smartphones. En cas
d’anomalie détectée, ces applications réagissent en consé-
quence, soit en fournissant des conseils au patient, en
orientant le patient vers son médecin de ville ou en appe-
lant une ambulance. Le médecin responsable peut suivre
l’état de ses patients et rec¸oit les alertes et les anomalies
détectées.
E-care [4] est un projet de télésurveillance médicale,
pour les patients atteints d’insuffisance cardiaque. Dans le
cadre de ce projet, une plate-forme générique a été déve-
loppée pour s’adapter à différentes pathologies et profils
de patients.
E-care est composé d’un module chez le patient, avec
une tablette et des capteurs, et d’un module serveur qui
rec¸oit et traite les données remontées depuis les différents
modules patients. Le module serveur combine les techno-
logies du web sémantique et de l’intelligence artificielle.
Des ontologies génériques sont utilisées pour s’adapter à
différentes pathologies et différents types de capteurs et
de données. Un moteur d’inférence est utilisé pour la sur-
veillance de l’évolution de l’état de santé du patient et la
détection de toute situation anormale.
Dans la première phase de l’expérimentation, réalisée
aux hôpitaux universitaires de Strasbourg, le but était de
vérifier l’ergonomie de la plate-forme et la cohérence des
données remontées.
Dans la section «Les ontologies », nous allons pré-
senter les ontologies et leurs avantages. Dans la section
«Les travaux connexes », nous présenterons quelques
travaux connexes trouvés dans la littérature, leurs avan-
tages et leurs inconvénients. Les sections «La plate-forme
E-care »et «Le module serveur : ontologies et aide à
la décision »comportent la proposition d’une solution
générique et adéquate à la problématique. Dans la par-
tie «Discussion », l’expérimentation au sein des hôpitaux
universitaires de Strasbourg est évoquée, et discutée. Enfin,
nous terminerons par une conclusion.
Les ontologies
Définition
La première définition admise pour une ontologie est
celle de Gruber [5] : «spécification explicite d’une concep-
tualisation ».
Cette définition a également été précisée par Studer
[6] pour devenir : «Une ontologie est une spécification
formelle et explicite d’une conceptualisation partagée ».
Dans cette définition, il convient d’interpréter correc-
tement chaque terme employé :
–formelle : compréhensible par la machine ;
–explicite : les concepts, les relations, les individus et
les axiomes sont explicitement définis ;
–partagée : les connaissances représentées sont par-
tagées par une communauté ;
–conceptualisation : modèle abstrait d’une partie du
monde que l’on veut représenter.
La classification des ontologies
Les ontologies peuvent être classifiées selon plusieurs
dimensions. Parmi celles-ci, nous nous intéressons à la
typologie selon l’objet de conceptualisation.
On peut classifier les ontologies selon leur objet de
conceptualisation de la fac¸on suivante :
–ontologie de haut niveau [7] : ce type d’ontologie
décrit des concepts très généraux ou des connaissances
80 mt, vol. 20, n◦2, avril-mai-juin 2014
Copyright © 2017 John Libbey Eurotext. Téléchargé par un robot venant de 88.99.165.207 le 25/05/2017.

Journal Identification = MET Article Identification = 0451 Date: June 25, 2014 Time: 9:31 am
de sens commun, indépendantes d’un problème ou
d’un domaine particulier, telles que l’espace, le temps,
l’événement, l’action, etc. ;
–ontologie du domaine [8] : cette ontologie régit un
ensemble de vocabulaires et de concepts qui décrivent un
domaine d’application ou le monde cible. Elle caractérise
la connaissance du domaine où la tâche est réalisée. La
plupart des ontologies existantes sont des ontologies du
domaine ;
–ontologie de tâches [8] : ce type d’ontologies est uti-
lisé pour conceptualiser des tâches spécifiques dans les
systèmes. Elle régit un ensemble de vocabulaires et de
concepts qui décrit une structure de réalisation de tâches
indépendantes du domaine ;
–ontologie d’application [9] : cette ontologie
est la plus spécifique. Les concepts dans l’ontologie
d’application sont très spécifiques à un domaine et
une application particulière. Autrement dit, les concepts
correspondent souvent aux rôles joués par les entités
du domaine tout en exécutant une certaine acti-
vité.
L’apport des ontologies
Les ontologies fournissent un cadre commun séman-
tique. Tous les individus et les concepts impliqués peuvent
être explicitement définis en fonction de leurs relations et
attributs. Par conséquent, les ontologies sont interprétables
par la machine et partageables entre plusieurs personnes.
Cela facilite et améliore le processus d’aide à la décision.
Grâce à la précision des concepts, plusieurs personnes
peuvent collaborer ensemble sans aucune ambiguïté ou
perte d’informations.
Les ontologies fournissent un modèle de haut niveau
d’abstraction du flux de travail quotidien. Ce modèle peut
être adapté à chaque organisme particulier. Autrement dit,
toute organisation peut avoir une ontologie adaptée à sa
situation particulière.
Les ontologies sont génériques et réutilisables. Pour
construire une ontologie large, il est possible d’intégrer
plusieurs ontologies existantes décrivant des portions d’un
domaine. On peut, également, réutiliser une ontologie
de haut niveau et l’étendre pour permettre de décrire un
domaine d’intérêt spécifique.
Les ontologies sont très faciles à maintenir et avec des
coûts très minimes.
Les travaux connexes
Il existe dans la littérature plusieurs études concernant
la télésurveillance médicale, allant du suivi des activi-
tés quotidiennes au suivi des données physiologiques.
Dans ce qui suit, les études les plus pertinentes sont
présentées.
Le suivi des activités quotidiennes à domicile
(domotique)
Franco et al. ont travaillé sur une étude de télé-
surveillance médicale à domicile de personnes âgées
atteintes de la maladie d’Alzheimer [10, 11]. Leur système
permet la détection des dérives des rythmes nycthémé-
raux à partir des données de localisation. Autrement dit,
pour détecter une perturbation de l’horloge circadienne,
il mesure la différence entre les séquences d’activité en
utilisant une variante de la distance de Hamming. Les
données ont été capturées par des capteurs infrarouges
passifs placés dans chaque chambre. Les écarts importants
déclencheront des alarmes envoyées aux soignants.
Dans le projet habitat intelligent pour la santé (HIS),
basé sur le concept health smart home (HSH), Noury
et Rialle ont mis en place un appartement équipé pour
la télésurveillance médicale dans la faculté de méde-
cine de Grenoble [12]. Il est utilisé comme plate-forme
expérimentale pour le développement technologique et
les évaluations médicales. Hadidi et Noury présentent
l’expérimentation de la plate-forme HIS [13]. Des capteurs
infrarouges ont été placés afin de détecter la présence. À
partir de ces données, plusieurs paramètres ont été éla-
borés tels que : le nombre total d’événements diurnes ou
le nombre total d’événements nocturnes. L’objectif est de
produire des indicateurs pertinents pour préciser les ten-
dances anormales non visibles afin d’informer l’équipe de
santé en charge du patient.
Fleury et al. présentent un habitat pour la santé
dans un vrai appartement comprenant des capteurs de
présence infrarouges, des contacts de porte (pour contrô-
ler l’utilisation de certains équipements), un capteur de
température et d’hygrométrie dans la salle de bain et
des microphones [14]. Un capteur cinématique portable
informe également sur les transitions posturales et des
périodes de marche. Ces données collectées sont ensuite
utilisées pour classer chaque trame temporelle dans l’une
des activités de la vie quotidienne. Cela est fait en utilisant
SVM (support vector machines).
Le suivi du comportement
et de l’état physiologique du patient
Lasierra et al. présentent la conception et la mise
en œuvre d’une architecture basée sur la combinai-
son d’ontologies, de règles et de services Web [15].
L’architecture comprend deux couches : une couche
conceptuelle et une couche de données et de communi-
cation. La couche conceptuelle basée sur les ontologies
est proposée pour unifier la procédure de gestion et
d’intégration des données entrantes issues de toutes
sources. La couche de données et la communication sont
basées sur les technologies des services Web.
Une étude de fouille de données sur l’insuffisance car-
diaque en utilisant des méthodes de classification a été
mt, vol. 20, n◦2, avril-mai-juin 2014 81
Copyright © 2017 John Libbey Eurotext. Téléchargé par un robot venant de 88.99.165.207 le 25/05/2017.

Journal Identification = MET Article Identification = 0451 Date: June 25, 2014 Time: 9:31 am
Innovations
faite par Guidi et al. [16]. La classification est établie dans
une base de données de patients cardiaques. Deux types
de données sont traitées : le profil du patient (âge, sexe,
autonomie, etc.) et les données physiologiques. Parmi les
algorithmes utilisés, on retrouve les arbres de décisions et
random forest algorithm.
Intelligent mobile health monitoring system (IMHMS)
est un système de télésurveillance médicale présenté par
[17], avec une architecture de trois niveaux :
–le réseau de capteurs qui comporte des capteurs phy-
siologiques et des capteurs pour analyser le comportement
du patient comme un microphone ou un accéléromètre.
Ces données sont ensuite transmises vers un serveur per-
sonnel chez le patient ;
–le serveur chez le patient peut être un ordina-
teur personnel ou un téléphone. Il permet de collecter
les données et vérifier si elles sont cohérentes. Ces
données sont envoyées via internet au serveur médical
intelligent ;
–le serveur médical intelligent rec¸oit les données
depuis tous les serveurs des patients. Ce serveur intelligent
utilise des méthodes de fouille de données pour détecter
des situations dangereuses et alerter les médecins.
Le projet Teleasis présenté par Stoicu-Tivadar et al.
[18] propose une stratégie pour mettre en œuvre une
composante d’alarme dans un système de téléassistance
de personnes âgées. Le système est composé d’unités
situées dans les maisons des personnes surveillées pour
la collecte et l’envoi de données (médicales et environne-
mentales) à partir de capteurs, et un centre d’appel avec
un serveur pour l’enregistrement et le suivi des données.
Le personnel médical spécialisé peut mettre en place des
scénarios d’alarme. Ce sont des combinaisons logiques de
niveaux de seuil des valeurs lues à partir des capteurs phy-
siologiques ou à partir des capteurs d’environnement. Ces
alarmes peuvent alors être attribuées de fac¸on personna-
lisée pour chaque patient.
Minutolo et al. proposent un système d’aide à la déci-
sion pour la télésurveillance de personnes atteintes de
défaillance cardiaque [19]. Le système se base sur une
ontologie qui regroupe des données relatives au patient
qui sont : la posture, capteur cardiaque, les activités phy-
siques et les alertes. L’aide à la décision est basée sur
l’inférence en utilisant des règles gérées par un algorithme
d’inférence.
Valero et al. détaillent la conception et la mise en
œuvre d’une plate-forme de raisonnement pour prévoir
ou réagir de manière intelligente à des situations exigeant
des soins à distance ou à domicile [20]. Le système gère
des agents intelligents, dont le comportement est défini et
validé par des ontologies et des règles. Une méthodologie
de développement a été adaptée pour soutenir le proces-
sus de l’acquisition des connaissances. Des fichiers log en
XML sont stockés pour faire des algorithmes de fouille de
données.
Discussion
Chacune de ces études ne prend en compte qu’une
partie des données relatives au patient. En effet, elles
vont considérer soit le suivi des activités journalières et
le déplacement à domicile, soit le suivi des données
physiologiques, soit une autre partie environnementale
ou comportementale. Quelques études comme celle de
Guidi et al. [16] combinent plusieurs domaines mais, selon
les experts médicaux, toujours insuffisants pour compren-
dre l’évolution de l’état de santé du patient.
Ces systèmes utilisent généralement soit une fouille
de données probabiliste, qui implique une interaction
importante avec les experts médicaux pour interpréter
les données, soit un système expert basé sur des règles
d’inférence définies par les experts médicaux. Les sys-
tèmes basés uniquement sur un système expert ont du mal
à s’adapter à l’évolution de l’état de santé du patient. Cette
adaptation impose une grande implication des experts
médicaux pour définir des règles pour chaque cas, en
prenant en compte chaque donnée du patient. De plus,
les faibles connaissances des évolutions conjointes de ces
paramètres et le manque de données collectées dans un
environnement réel rendent le suivi de l’évolution d’un
patient à long terme assez compliqué.
Notre approche
L’objectif de notre approche est de proposer une
architecture de télésurveillance médicale générique pour
la détection précoce de toute évolution anormale.
L’architecture de notre plate-forme prend en compte
l’ensemble des données relatives au patient : son profil
(sexe, âge, etc.), ses antécédents médicaux, les médi-
caments prescrits, les données physiologiques (tension
artérielle, fréquence cardiaque, etc.) et comportemen-
tales (activité physique, posture, etc.) ainsi que les don-
nées de son environnement (climat, ville, etc.). Elle est
capable d’intégrer de nouvelles sources de données. Ces
informations représentent une banque de données privées,
sécurisées lors de la transmission ou de l’accès.
Pour gérer le vocabulaire des différents profession-
nels de santé (médecin, infirmier, etc.), nous utilisons des
ontologies de domaine. L’architecture est générique et
peut contenir toutes les ontologies de domaine (mala-
dies, médicaments, interventions, etc.). Les ontologies de
domaine permettent de partager une sémantique et de
garder une certaine cohérence des données.
Pour la détection d’anomalies, on utilise un système
expert basé sur des règles d’inférence construites avec les
experts médicaux. Ces règles sont génériques et évoluent
avec l’état du patient. Toutes les alertes détectées par le sys-
tème sont remontées vers le personnel soignant en charge
du suivi du patient. En fonction du niveau de l’alerte, une
procédure est lancée. Cette procédure devra systémati-
quement prendre en charge la validation des mesures en
82 mt, vol. 20, n◦2, avril-mai-juin 2014
Copyright © 2017 John Libbey Eurotext. Téléchargé par un robot venant de 88.99.165.207 le 25/05/2017.

Journal Identification = MET Article Identification = 0451 Date: June 25, 2014 Time: 9:31 am
LAN
WAN HRN
PAN
Devices
aka Agents
Aggregation
manager
Telehealth
service
center
Health
records
Figure 1. Architecture Continua [22].
cause avant de déclencher des actions supplémentaires.
Les actions peuvent être de l’ordre du conseil sur l’hygiène
de vie ou bien la programmation d’un rendez-vous chez
le médecin traitant, voire le cardiologue traitant.
La définition de règles d’inférence en combinant les
données physiologiques, le profil du patient et les anté-
cédents, est une tâche relativement compliquée pour les
experts médicaux étant donné le manque de recul par rap-
port à toute étude qui formalise ces données. Si on ajoute
à cela d’autres données pertinentes comme les données
environnementales et comportementales, cela devient
quasi impossible. Pour pallier cette problématique, nous
utilisons les techniques de fouille de données pour retrou-
ver de nouvelles règles qui combinent toutes les données
du patient. Ces règles sont ensuite validées par les experts
médicaux avant d’être activées dans le système expert.
La plate-forme E-care
La plate-forme E-care [21] est basée sur les guidelines
de Continua Health Alliance (figure 1), avec essentielle-
ment un module chez le patient et un serveur qui rec¸oit
les données et les interprète. Les deux modules commu-
niquent de manière sécurisée entre eux via internet suivant
les standards HL7 et IHE.
Le module patient
Ce module, installé chez le patient, comporte plu-
sieurs capteurs (Devices aka Agents) et un récepteur
(Aggregation Manager) pour la récolte des données de
ces capteurs physiologiques (thermomètre, oxymètre, ten-
siomètre, pèse-personne). La communication entre ces
capteurs et le récepteur s’effectue suivant des standards
Continua. Le récepteur (ordinateur, tablette tactile ou
smartphone) envoie les données au serveur via internet.
Dans E-care, des tablettes tactiles sont utilisées avec une
application ergonomique qui permet éventuellement au
patient de consulter ses mesures d’avoir des conseils et de
communiquer directement avec son médecin.
Le module serveur
Le serveur rec¸oit les données issues de l’ensemble des
modules patients et gère l’authentification et la sécurité
des communications, ainsi que la cohérence des données.
Celles-ci sont stockées de manière à préserver la vie pri-
vée des patients. Le serveur comporte aussi des ontologies
et un composant intelligent pour détecter les situations à
risques et prévenir les médecins.
Un portail de services est utilisé pour permettre aux
utilisateurs, en fonction de leur statut (patient, soignant,
proches, etc.) d’accéder et de suivre l’évolution des signes
vitaux ainsi que l’état général du patient ou bien encore,
de saisir des informations médicales et consulter les alertes
transmises.
Le module serveur :
ontologies et aide à la décision
Le module serveur comporte plusieurs sous-modules
dont la gestion des ontologies qui modélisent les connais-
sances du système et le moteur d’inférence qui les
exploite.
mt, vol. 20, n◦2, avril-mai-juin 2014 83
Copyright © 2017 John Libbey Eurotext. Téléchargé par un robot venant de 88.99.165.207 le 25/05/2017.