Ds

Data Science

  • L’IA permet l’analyse et la qualification de données ainsi que l’extraction d’informations ciblées pour :
  • Voir plus
    – Aide au diagnostic ou la médecine personnalisée via l’exploitation de l’historique de données patients (Electronique Health Record, Real World Evidence etc.)
    – Suivi médical (traitement de données de monitoring, e-Health ou santé connectée)
    – Drug discovery (présélection intelligente de molécules candidates)
    – Extraction d’information depuis des données brutes, par exemple textuelles et création de bases de données structurées
    – Analyse de résultats issus d’essais cliniques ou de bases de données biologiques
    – Optimisation de performance des établissements de Santé (traitement des données administratives etc.)
    – Optimisation des opérations Marketing (temps, coûts etc.)
    – Supply chain
    – Market access
  • Préparation de la donnée
  • Voir plus
    – Architecture et gestion de bases de données (conception, exploitation et administration de la base)
    – Détection et gestion des données manquantes, dupliquées ou incohérentes
    – Outils : Oracle SQL, Hadoop, Scala, R, python
  • Business Intelligence – Exploration et Analyse de données
  • Voir plus
    – Data visualisation
    – Biostatistiques et consolidation,
    – rapport
    – Outils : Tableau, Spotfire, R Shiny, Python, Oracle SQL, Power BI, QlikView
  • Machine Learning & Deep Learning : classification et prédiction via l’application des algorithmes d’apprentissage sur tous les types de données de la santé.
  • Voir plus
    – Document textuel : dossiers médicaux, résultats d’analyses, etc.
    – Fichier structuré : étude clinique, tableau de résultats, etc.
    – Base de données : patients, moléculaire, etc.
    – Imagerie : radios, scanner, etc.
  • Exemple de méthodes de l’intelligence artificielle et de leurs applications dans l’industrie pharmaceutique/milieu de la santé
  • Voir plus
    – NLP (Natural Language Processing) : text mining, exploitation et structuration des données textuelles telles que les dossiers patients ou les rapports médicaux
    – ANN (Artificial Neural Network), RNN (Recurrent Neural Network): traitement de données historique patient pour de la prédiction de risque, monitoring pour du suivi ou de la prévention
    – CNN (Convolutional Neural Network) : analyse d’imagerie
    – Apprentissage non-supervisé : labeling pour la détection de fraude
    – Random forest, k-means : classification ou clustering à partir de données d’essais cliniques
    – Data mining : détection de fraude aux assurances santé

Nos publications

Etude des publications scientifiques sur le COVID-19
par des méthodes de NLP (Natural Language Processing) pour analyser l’état de l’art des traitements contre le virus.

Article en cours de rédaction
Votre article sera bientôt disponible.

Article en cours de rédaction
Votre article sera bientôt disponible.

LinkedIn
SOCIALICON
SOCIALICON