Les données massives en santé ouvrent le champ à la médecine de précision, ou personnalisée, mais également à de nouvelles approches en recherche se basant sur les données existantes et des flux de données existantes. Toutefois, de nombreux défis techniques et scientifiques sont à relever afin de pouvoir réellement utiliser ces données et produire de nouvelles connaissances. Outre les défis techniques, tels que les problèmes de stockages massifs et de super calcul, la partie analytique se heurtent aux limites de l’analyse distribuée et de l’analyse incrémentale. Sans doute toutefois, le défi le plus important séide dans notre capacité à représenter correctement la sémantique de l’information, voire à la débusquer dans des sources en texte libre. La qualité des données est également un défi important, défi pour lequel la réponse la plus raisonnable consiste à décrire la qualité, aspect éminemment variable, plutôt qu’à tenter de l’améliorer.
Membres de groupes
Sébastien Abegg
Informaticien
Sebastien.Abegg@hcuge.ch
Fréderic Baroz
Médecin
Frederic.Baroz@hcuge.ch
Céline Baumgartner
Etudiante en médecine
Celine.Baumgartner@etu.unige.ch
Clément Buclin
Etudiant
Clement.Buclin@etu.unige.ch
Raphaël Chevrier, MD
Médecin interne de recherche
Raphael.Chevrier@hcuge.ch
Christophe Gaudet-Blavignac, MD
Médecin, Informaticien
Christophe.Gaudet-Blavignac@hcuge.ch
Jérôme Goncerut
Médecin
Jerome.Goncerut@hcuge.ch
David-Zacharie Issom
Specialist informatique médicale
David.Issom@hcuge.ch
Radu Suciu, PhD
Collaborateur scientifique, Digital Medical Humanities
Radu.Suciu@hcuge.ch
Projets
MICMAC
Développement d'un catégoriseur ontologique multiples pour le codage médical
HEDANET
Réseau de données de santé pour la recherche clinique