Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

M allanic piv2017_c

82 views

Published on

Gestion des données scientifiques en imagerie in vivo – Journée scientifique organisée par PIV le 7 décembre 2017 au PARCC-HEGP
Marianne Allanic

Published in: Health & Medicine
  • Be the first to comment

  • Be the first to like this

M allanic piv2017_c

  1. 1. Product Lifecycle Management pour la gestion des données hétérogènes et complexes de la plateforme PIV : le projet DRIVE PIV 2017 : Gestion des données scientifiques en imagerie in vivo jeudi 7 décembre 2017 Marianne Allanic – mallanic@fealinx.com
  2. 2. Déploiement du Réseau d’Images du Vivant pour les plateformes d’imagerie Expérimentale de Sorbonne-Paris-Cité drivespc.fr • Solution harmonisée pour la gestion, la traçabilité et la sécurisation des données d’imagerie, complexes multi-sources et variables dans le temps. • Laboratoire PARCC – Plateforme d’imagerie du vivant • Responsable Scientifique : Bertrand Tavitian Arrival Time [s] D9 Placebo Sunitinib sunitinib placebo 2
  3. 3. biomédical 1999 2015 Projet Drive Sorbonne Paris Cité 2016 Projet CPU Timic 2016 Création BU biomédical - Lancement solution 2012-15 Thèse CIFRE ANRT Sept 2016 LabCom 2017 Cadesis devient Fealinx 2017-2020 Thèse CIFRE ANRT 3 2013-2016 Projet ANR
  4. 4. SWOMed : : le PLM biomédical issu de • Une solution pour gérer les données et les processus des études biomédicales Multimodalité des sources (imagerie MRI, PET, CT, US, histologie, protéomique…) Hétérogénéité et large volume des données (imagerie, génétique, protéomique, biologie, comportement…) Provenance des données Partage multisites : référentiel unique, réplication, gestion des droits d’accès Indexation, classification : amélioration de la pertinence des résultats de recherche Intégration des moyens de calcul et de visualisation 4 Tout au long du cycle de vie des études
  5. 5. PLM – Product Lifecycle Management Développé pour l’industrie manufacturière depuis 20 ans Réponds aux problématiques de traçabilité, travail collaboratif multisites, échange de données, suivi des versions et des processus => similaires à celles du monde des études biomédicales Fonctionnalités couvertes par le PLM : o Système de gestion des données techniques o Workflows et processus de validation customisables o Gestion des accès (en fonction du profil, confidentialité) o Gestion multisites (architecture 4 « tier ») • Stockage unique • Réplication de données (prise en compte des latences et réseaux) • Extensible 5
  6. 6. BMI-LM : les concepts génériques de l’étude associés aux concepts spécifiques des domaines BMI-LM : BioMedical Imaging – Lifecycle Management • Provenance, Hétérogénéité, Flexibilité 6 Concept générique étude Concept spécifique domaine Reposent sur des ontologies partagées par les communautés des différents domaines de recherche Données organisées, tracées, labellisées
  7. 7. BMI-LM : les concepts génériques de l’étude 7 Deux catégories pour garantir la provenance tout au long du cycle de vie de l’étude Cycle de vie de l’étude
  8. 8. BMI-LM : les concepts génériques de l’étude 8 Deux catégories pour garantir la provenance tout au long du cycle de vie de l’étude Décrit les protocoles et les paramètres théoriques, les algorithmes de calcul, etc.
  9. 9. BMI-LM : les concepts génériques de l’étude 9 Deux catégories pour garantir la provenance tout au long du cycle de vie de l’étude Stocke les données récoltées ou calculées, les paramètres réels, les écarts au protocole, etc.
  10. 10. Plateforme DRIVE 10 Hébergée sur CUMULUS : Cloud Universitaire Mutualisé à destination des chercheurs de la COMUE Université Sorbonne Paris Cité
  11. 11. Adapter les résultats de BIOMIST au projet DRIVE • Multimodalités : • Nouveaux domaines à intégrer • Nouveaux formats de données • Infrastructure non hébergée localement Extension du modèle de données Méthode d’import générique 11 Images [Sourdon et al., 2017] [Raboudi et al., 2017]
  12. 12. Cas test : l’étude Cardiotox Les étapes de l’étude Cardiotox [Sourdon et al., 2017] 12 Une étude de la cardiotoxicité de l’angiogénique Sunitinib chez la souris • Plusieurs modalités : • Imagerie TEP-CT, US • Protéomique • Histologie • Hétérogénéité des formats de données
  13. 13. Extension du modèle de données BMI-LM 13 Sujet Étude Intervention Échantillon Agent participe est prélevé est transformé est observé Examen Nouveau concept lié à l’étude utilise utilise • Introduction des modalités de biologie, génétique, protéomique Échantillon • Traitement médicamenteux, régime alimentaire, opération chirurgicale Intervention • Produit utilisé pour faciliter une action Agent utilise
  14. 14. Méthode générique d’intégration des données 14 (méta-) données d’entrée SWOMed Fichiers de (méta-) données structurés selon les concepts génériques de SWOMed Concepts étude Concepts des domaines ETL1 Légende Passage à l’étape suivante Transfert de données [Raboudi at al., 2017]
  15. 15. Méthode générique d’intégration des données 15 (méta-) données d’entrée SWOMed Fichiers de (méta-) données structurés selon les concepts génériques de SWOMed Alignement entre les (méta-)données et les concepts des domaines de SWOMed ETL1 Mise en correspondance 2 Légende Passage à l’étape suivante Transfert de données [Raboudi at al., 2017] Concepts étude Concepts des domaines
  16. 16. 16 (méta-) données d’entrée SWOMed Fichiers de (méta-) données structurés selon les concepts génériques de SWOMed Alignement entre les (méta-)données et les concepts des domaines de SWOMed ETL1 Mise en correspondance 2 Moteur de mapping3 Moteur d’import4 Légende Passage à l’étape suivante Transfert de données [Raboudi at al., 2017] Méthode générique d’intégration des données Concepts étude Concepts des domaines
  17. 17. Perspectives SWOMed 17 Gestion des données de conception, de production et d’usage des dispositifs médicaux (DM) • Fealinx au cœur des deux métiers • Industrie manufacturière et médical • Compétences reconnues pour gérer les données dans les deux domaines • Fertilisation croisée des atouts des deux domaines • Maturité de la gestion des données industrielles • Rigueur dans l’analyse et le traitement des données médicales • Utiliser les plateformes d’Internet Industriel des objets (IIoT) • Infrastructure logicielle et matérielle identique grâce à SWOMed : PLM, CAO, Reverse Engineering, imagerie médicale, analyse prédictive
  18. 18. Perspectives SWOMed 18 Aide au diagnostique et à la prédiction Etudes Biomédicales - Campagnes d’acquisition Rapport Cohortes Prédiction Traitements automatisés : • Contrôle qualité • Validation • Prétraitements Anonymisation & constitution dynamique de cohortes Apprentissage Médecine 4P Biomarqueurs 2.0 Patient individuel
  19. 19. Perspectives SWOMed 19 SWORes Framework to Search & Develop SWORes Framework to Search & Develop SWOPred Cloud platform to Predict & Diagnose SWOPred Cloud platform to Predict & Diagnose Concevoir une plateforme pour trouver, développer et commercialiser les nouvelles générations de biomarqueurs et de médicaments De la médecine curative à la médecine prédictive Recherche de partenaires pour le développement de nouveaux biomarqueurs • LabCom
  20. 20. Merci de votre attention 20 Allanic, M., et al. "BIOMIST: A platform for Biomedical Data lifecycle Management of neuroimaging cohorts." Frontiers in ICT, 2017, vol. 3, p. 35. Raboudi A. et al., “Traçabilité de l’intégration de données biomédicales hétérogènes dans le système SWOMed de gestion du cycle de vie des études biomédicales.” Actes du Symposium sur l’Ingénierie de l’Information Médicale (SIIM), 23-24 novembre 2017 Sourdon, J., et al. (2017). Cardiac Metabolic Deregulation Induced by the Tyrosine Kinase Receptor Inhibitor Sunitinib is rescued by Endothelin Receptor Antagonism. Theranostics, 2017, vol. 7(35), p. 2757-2774.
  21. 21. Perspectives SWOMed 21 Gestion des données de conception, de production et d’usage des dispositifs médicaux (DM)

×