Projets de recherche en santé

Projet 1 : eHospital - Logiciel intégré de gestion hospitalière

Projet 2 : ePACS - Adaptation pour un hôpital universitaire africain

Les hôpitaux universitaires ont des responsabilités de recherche et d'enseignement supplémentaires qui peuvent potentiellement affecter les fonctionnalités requises d'un système PACS associé aux processus de diagnostic et d'imagerie. Ce projet de recherche appliquée vise à adapter un logiciel libre PACS pour l'utiliser lors de la formation des jeunes médecins internes spécialisés en imagerie médicale.

Nous utilisons le logiciel du Département de physique médicale de l'Hôpital universitaire de Liège, en Belgique, pour fournir un service PACS qui a les avantages de ne pas coûter cher. Nous l'adaptons pour offrir un environnement d'enseignement et d'essai pour les internes en radiologie à l'hôpital Donka.

Projet 3 : Collecteur de données, des interactions SMS et GIS, suivis de patients et visualisateur/tableau de bord pour Donka

Défi

Déployer le logiciel libre pour faire le suivi des maladies infectieuses en Guinée (Hôpital national Donka).

Projet 4 : QnGene - Format génétique pour HPC

Projet d'extension du format Adam pour y inclure le génotypage, les données cliniques et effectuer des analyses génétiques pour la médecine personnalisée, à grande échelle, à l'aide d'apprentissage machine.

Défi

L'analyse de données massives provenant d'études cliniques est effectuée actuellement par des bio-informaticiens à l'aide de pipelines de scripts (souvent écrits en langage Python) qui sont exécutés sur une technologie de bases de données relationnelles. Cette approche est de plus en plus problématique à cause de la très grande quantité de données génétiques à traiter. Le AMPLab de l'Université de Californie à Berkeley a publié le format Adam qui permet de tirer avantage de technologies du domaine des mégadonnées (Big Data) pour accélérer ce processus (voir l'article ici). Notre défi est de permettre au chercheur ou à la chercheuse d'effectuer eux-mêmes l'extension du format des données pour y ajouter des données cliniques, pharmaceutiques, environnementales et démographiques afin d'exécuter des modèles prédictifs pour le domaine de la médecine personnalisée à l'aide d'algorithmes d'apprentissage machine à grande échelle. (voir l'article ici).

Ce que nous avons fait

Ce projet débute avec la rencontre de l'équipe du AMPLab à Berkeley pour un transfert des connaissances concernant le projet Adam. Au début du projet, nous avons ajusté le format Adam pour accepter les données génétiques d'essais cliniques, par exemple Advance et CDK Gene (consultez le rapport de Simon Grondin). Nous avons développé les scripts pour l'ajustement dynamique du schéma de données, par le chercheur ainsi que le chargement rapide/efficace de très grandes quantités de données à petits frais (toutes ces données sont localisées, voir l'article de Fodil Belghait et visionnez cette vidéo pour plus de détails).

Nous avons travaillé à la validation/expérimentation de la version 1.0 de cette plateforme de médecine de précision à l'aide d'une étude de cas impliquant l'utilisation de trois algorithmes d'apprentissage machine qui avaient pour objectif d'identifier les facteurs qui pourraient permettre la découverte d'un score prédictif pour le diabète type 2.

Projet 5 : GenomeViewer – Somatic Vizualizer

Projet de conception d'un visualiseur de requêtes (dépassant les capacités des logiciels libres existants (LocusZoom et GWAS pipeline) utilisant un SNP en mode interactif. Cet outil permet l'exploration en temps réel, par les chercheurs, des données publiques. Consultez cet article présenté à la conférence ACM Digital Health de Londres.

Défi

Les chercheurs et chercheuses du domaine de la santé désirent interagir avec les données génétiques, mais les volumes grandissants de données posent problème. En ce moment, ils font des requêtes aux bio-informaticiens qui doivent concevoir, à l'aide du langage SQL, des requêtes qui sont exécutées sur des bases de données relationnelles (en arrière-plan) pour chaque cas. Ce processus n'est pas efficace. Il serait bien d'avoir accès à un logiciel de visualisation qui intègre toutes les données disponibles lors de l'activité de découverte et qui permettrait aux chercheurs d'interagir facilement avec ces grandes quantités de données hétérogènes privées et publiques, par exemple: COSMIC, ENSEMBL, UCSC, Cancer Gene Census, Tumorscape, OMIM, cBioCancer, Mitelman, gnomAD and ExAc.

Ce que nous avons fait

Nous avons conçu et développé un prototype de logiciel de visualisation génétique nommé GenomeViewer. Pour ce faire, nous avons analysé le processus et les logiciels utilisés pour effectuer des requêtes génétiques au laboratoire du Dr Pavel Hamet. La cible de la quatrième version du prototype vise à facilement comparer les données d'un patient ou d’une patiente avec les données de 1000 Genome publiquement disponibles. À sa version finale, GenomeViewer permettra aux chercheurs et chercheuses en cancérologie de visualiser complètement et rapidement les mutations somatiques et de les comparer à plusieurs bases de données publiques.

Beatriz a produit un prototype jetable, la première version nommée GOAT, qui a fait l’objet de plusieurs étapes de réingénierie par la suite. La deuxième version du prototype a été produite par Cédric Urvoy (lire son rapport), puis la troisième par Victor Dupuy (lire son rapport), afin d'établir une architecture logicielle interne maintenable (voir publication de GOAT). Ce prototype a été renommé GenomeViewer et la cible fonctionnelle a été ajustée vers la visualisation de mutations somatiques. L'amélioration du prototype a été effectuée par une équipe d'étudiants au cours d’un projet de fin d'études afin de remplacer la présentation graphique limitée par l'utilisation de la technologie de Bokeh Server par AmCharts et remplacer la technologie actuelle de BD SQL par du NoSQL-Spark afin d'augmenter significativement la vitesse d'exécution des requêtes. La plus récente version du prototype, la quatrième, comporte seulement les données des 1000 génomes et s'exécute maintenant sur une grappe AWS. Elle permet le chargement de fichiers .vcf. La performance d'exécution du chargement des données est passée d'une durée de 6 heures à une durée de 30 minutes. De plus, les requêtes interactives au back-end sont passées de 3 minutes à 5 secondes grâce à l'utilisation du format Adam de Berkeley sur AWS-EMR. Consultez son mémoire de maîtrise ici.

Merci à Amazon web services pour l'accès gratuit à ses instances dans ce projet.

Projet 6 : PACIQ - Logiciel de suivi de l'amélioration continue de la qualité pour les établissements de santé au Québec

Création d'un prototype logiciel de suivi de l'évaluation des critères de la qualité en fonction des normes applicables d'Agrément Canada, de Planetree, du BOMA BEST et du Réseau québécois des établissements promoteurs de santé qui régissent les établissements de santé au Québec.

Défi

Aujourd'hui, il est difficile d'obtenir l'information précise, de la part de tous les intervenants en santé à l'intérieur d'un établissement, concernant le niveau de conformité, et ce, selon plusieurs dimensions de la qualité. De plus, les éléments sur lesquels l'établissement doit être conforme se répètent souvent, d'une norme à une autre, causant ainsi beaucoup de duplications lors de la saisie, l'analyse et la génération de rapports de préparation à l'exercice de conformité. Conçue avec l'aide de l'ancien directeur adjoint de la Direction de la qualité au CHU Sainte-Justine, cette présentation recense les besoins qui ont été exprimés.

Projet 7 : CorlabNow

Un tableau de bord, en temps réel, pour la surveillance des traitements des tests sanguins pour assurer la qualité du laboratoire de l'Hôpital général juif de Montréal. Ce logiciel permet d'afficher, en temps réel, l'état de l'attente du traitement des analyses sanguines, c’est-à-dire les niveaux de services, en temps réel.

Les échantillons collectés sont acheminés au Service de médecine diagnostique. Par la suite, une commande est saisie pour l'analyse. Le panier d'éprouvettes rempli est acheminé à la station de traitement. L'éprouvette est étiquetée, puis elle est traitée par l'équipement diagnostique.

Défi

Les erreurs humaines et matérielles qui surviennent parfois au cours du processus entraînent un travail supplémentaire par le ou la technologue MPA. Il n'y a aucun indicateur de la performance ni moyen précis de savoir s'il y a accumulation de retard, s'il est nécessaire d'ajouter du personnel pour répondre aux niveaux de services requis. De plus, certains tests doivent impérativement passer en priorité (par exemple, le test de Troponine : atteinte cardiaque à l'urgence).

Ce que nous avons fait

Conception d'une plateforme de saisie de l'information, en temps réel, et présentation des indicateurs (KPI) permettant d'anticiper les accumulations de tests avant de prendre du retard, d'avoir une idée claire du volume de travail et de permettre d'effectuer des analyses sur les données historiques et ainsi permettre une planification précise du comportement du laboratoire.

(Consultez la présentation au salon du BI)

Voir le tableau de bord opéré en temps réel.

Projet 8 : App Mobile - FixMyShoulder/FixMyKnee

J'ai souffert de plusieurs problèmes d'épaule. George Demirakos, un physiothérapeute réputé de Montréal, m'a traité. Il publie maintenant des livres spécialisés en physiothérapie.

Ce projet vise le développement d'une application mobile (IOS) pour le physiothérapeute George Demirakos.

Défi

Réaliser une application mobile déployée sur le App Store qui offre des contenus gratuits et payants en lien avec les livres publiés par George Demirakos pour la physiothérapie de l'épaule et du genou.

Ce que nous avons fait

Nous avons expérimenté plusieurs technologies. Un premier cadriciel a été développé, CMS, permettant la mise à jour des données pour deux applications (Android et IOS) en simultané. Ensuite, deux prototypes d'application mobile identiques ont été développés, c’est-à-dire une pour IOS et une pour Android.

• Julie Vincent : première itération (Android et plateforme Web); voir le rapport.
• Mathieu Crochet : deuxième itération (Android et plateforme CMS); voir le rapport.
• Les travaux les plus récents concernent le réaménagement de l'application sur Ionic pour IOS par Quentin Muret.