APHP / Echopen

Challenge

L'APHP collecte des données cliniques sur les patients suspectés de Covid, qui comprennent des scores de sévérité sur huit champs pulmonaires après une échographie.
Ces données sont précieuses pour évaluer le niveau de sévérité des patients atteints de Covid, personnaliser leur parcours de soins et soulager les établissements confrontés à un problème de santé publique critique.

Le but ? Créer un algorithme de Machine Learning pour prédire le niveau de sévérité des patients et améliorer la qualité des soins tout en respectant la confidentialité des patients.

Solution

• La solution d’anonymisation des données personnelles d'Octopize a permis l'exploitation des données de l’APHP pour des usages secondaires : alimentation de l'algorithme de Machine Learning, partage de données...
• Octopize a transmis un nouveau jeu de données synthétiques et anonymes (données avatar) et a, par la suite, aussi permis de réaliser un hackathon sur ces mêmes données.
• Ce nouveau jeu de données a permis des performances similaires aux données initiales tout en protégeant la confidentialité des patients à l’origine de ces données.

Mise en place

Prestation de service d'anonymisation : Octopize s'est déplacé sur les lieux de l'APHP pour effectuer l'anonymisation de données personnelles directement sur ses serveurs.

Durée : 2 jours.

Maintien de la qualité statistique & de l'utilité

Le modèle de prédiction entraîné sur des données synthétiques avatar est en moyenne 7% plus performant que le modèle de prédiction entraîné sur les données d’origine.

ROI

• Sauver des vies dans un cas de crise de santé publique (pandémie Covid 19)
• Optimisation de la gestion du flux des urgences
• Amélioration et accéleration de la recherche