Université de Sherbrooke
Partager des données de santé publiquement pour faciliter la recherche scientifique
Challenges
- Identifier les patients en fin de vie pour les référer à des discussions sur les objectifs des soins avec leurs cliniciens.
- Développer une solution qui exploite les données longitudinales des patients pour prédire leur risque de mortalité dans l’année suivant leur admission à l’hôpital.
- Partager les données publiquement pour permettre la reproduction des expérimentations effectuées.
- Assurer la confidentialité des patients : partager les données sans compromettre la vie privée.
- Préserver la qualité des données : maintenir la capacité prédictive de notre solution.
- Se conformer aux réglementations strictes concernant l'utilisation des données de santé.
Résultats
- Contribuer à la Science Ouverte :
- Publication d’un article de recherche : https://doi.org/10.1101/2024.06.21.24309191
- Partage des données en confiance et sans compromis sur la confidentialité : https://doi.org/10.5281/zenodo.12954672
- Publication d’un court rapport comparant les données synthétiques et réelles : https://doi.org/10.21203/rs.3.rs-5363467/v1
- Partage du code pour répliquer les expérimentations de recherche : https://github.com/MEDomics-UdeS/POYM
- Compromis entre l’utilité de la modélisation prédictive et la préservation de la confidentialité des données originales
Maintien de la qualité statistique et de l'utilité
- AUROC sur l’ensemble des dernières visites des patients
.png)
“Grâce aux méthodes de création de données synthétiques d’Octopize, nous avons pu obtenir l’approbation du comité d’éthique du CIUSSS de l’Estrie — CHUS pour partager ces données en ligne et promouvoir une science ouverte.”
- Martin Vallières, Professeur, département d’informatique @Université de Sherbrooke
“La solution avatar a permis de générer un jeu de données synthétiques avec des caractéristiques très semblables aux données originales. Les métriques sur différents groupes de patients étaient proches de celles des données originales. De plus, les métriques de confidentialité avaient dépassé les seuils requis, confirmant l'anonymat des données. Nous sommes très satisfaits des données générées et remercions l’équipe pour les itérations menant à ce produit final !”
- Hakima Laribi, Ph. D. Informatique @Université de Sherbrooke
~ 250 000 données de visites de patients partagées publiquement
“Grâce aux méthodes de création de données synthétiques d’Octopize, nous avons pu obtenir l’approbation du comité d’éthique du CIUSSS de l’Estrie — CHUS pour partager ces données en ligne et promouvoir une science ouverte.”
- Martin Vallières, Professeur, département d’informatique @Université de Sherbrooke
“La solution avatar a permis de générer un jeu de données synthétiques avec des caractéristiques très semblables aux données originales. Les métriques sur différents groupes de patients étaient proches de celles des données originales. De plus, les métriques de confidentialité avaient dépassé les seuils requis, confirmant l'anonymat des données. Nous sommes très satisfaits des données générées et remercions l’équipe pour les itérations menant à ce produit final !”
- Hakima Laribi, Ph. D. Informatique @Université de Sherbrooke
Nos clients
Tous nos clients
.png)
