Bd

Big Data

  • 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)
    – Création de bases de données structurées et extraction d’information depuis des données brutes, par exemple textuelles
    – 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, doublons
    – 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
LinkedIn
SOCIALICON
SOCIALICON