Donner le bon conseil à la bonne personne pour réduire son risque de chute ? C'est l'ambition du projet de développement d'un logiciel d'aide à la prévention des chutes mené au LAMIH. Pour cela, l'identification des facteurs de risques présents chez une personne est déterminante, mais cette étape requiert du temps et une grande expérience. Or le travail pédagogique de prévention des chutes gagne à bénéficier de l'intervention de nombreux acteurs sur le terrain, dont au premier rang les médecins traitants. Comment alors envisager l'identification des facteurs de risque de chute au quotidien, lorsque les acteurs n'ont que peu de temps et d'expertise sur la chute ?
Le but est de construire un système intelligent capable de raisonner à partir de connaissances statistiques et expertes pour évaluer la probabilité de chaque facteur de risque de chute à partir de d'informations partielles disponibles sur la personne. Le secret de tel système est d'embarquer de la connaissance couplée avec un moteur de raisonnement. Dans ce système, le but est d'évaluer de façon plus ou moins précise chaque facteur de risque en prenant en compte les informations disponibles sur la personne, même si elles sont très incomplètes.
Les données nécessaires pour construire ces modèles sont fondamentales : elles sont le reflet plus ou moins fidèle des caractéristiques d'une population et constituent le socle des connaissances embarquées dans le système. Pourtant, à l'ère du big data, de telles données restent difficiles à rassembler en quantité et en qualité suffisantes. Une fois établie la délicate question de la sélection des variables, l'idéal serait de lancer de grandes campagnes de collecte de données pour garantir à la fois une quantité et une qualité suffisante des données. Ces besoins s'expliquent par le nombre important de paramètres à considérer dans un bilan de prévention des chutes et par la nécessité de bien prendre en compte la variabilité naturelle des paramètres. La première version du système s'appuie sur les données anonymisées fournies par le service sur la Chute du CHU de Lille, avec la perspective d'augmenter cette base grâce aux contributions en données des partenaires hospitaliers du réseau PREMOB.
Ce projet est mené au sein de l'axe transversal "Mobilité Humaine et Handicap" du LAMIH en partenariat avec le CHU de Lille et le CH de Valenciennes. La construction et l'évaluation du modèle de connaissances à partir d'un premier jeu de données ont été réalisée lors de la première année de thèse de Gulshan S. doctorant en informatique en cotutelle avec la Belgique, cofinancée par l'UMONS et la région Hauts de France.
Partenaires :
- Université de Mons, Belgique
- UPHF LAMIH CNRS UMR 8201, France
- le CHU de Lille, France
- le CH de Valenciennes, France
- le réseau PREMOB, France
contact : veronique.delcroix [at] uphf.fr