Raisonnement automatique basé ontologies appliqué à la hiérarchisation des alertes en télécardiologie

Introduction :La télésurveillance des stimulateurs cardiaques et défibrillateurs sera à terme le standard pour le suivi des patients implantés. Pourtant, des alertes très nombreuses sont générées par ces dispositifs, et constituent un fardeau pour la prise en charge médicale. De plus, les alertes générées le sont indépendamment du contexte médical individuel du patient, et elles pourraient donc être mieux caractérisées. Cette thèse propose un outil de traitement automatique des alertes générées par la survenue de fibrillation atriale, et basé sur une modélisation des connaissances médicales de type ontologie en OWL2. En particulier, le score de risque cardio-embolique CHA2DS2VASc a été évalué par le biais de l’ontologie, ainsi que le statut d’anticoagulation du patient. Matériel et Méthodes :Une ontologie d’application a été créée en OWL2, afin de représenter les concepts nécessaires au raisonnement sur les alertes. Cette ontologie a été utilisée pour raisonner sur 1783 alertes de FA détectées chez 60 porteurs de stimulateurs cardiaques. Les alertes ont été classées automatiquement selon leur importance d’après une échelle de gravité de 1 à 4. La classification automatique a été comparée à celle réalisée par 2 experts médicaux comme référence. Résultats : 1749 alertes sur 1783 (98%) ont été classées correctement. 58 des 60 patients avaient toutes leurs alertes classées à l’identique par le système testé et par les évaluateurs-médecins. Une approche basée ontologie est à même de permettre un raisonnement automatique sur des données issues de dispositifs médicaux connectés, en les contextualisant en fonction des données médicales individuelles du patient.