MKG : Medical Knowledge Graph est une ontologie médicale construite sur la CIM-10

Pour conduire un interrogatoire médical par un logiciel il faut :

> soit reproduire des échanges passés entre un médecin et son patient (Machine Learning),

> soit suivre un ordre de questions déterminées à l’avance (arbre de décision)

> soit conduire un raisonnement selon une stratégie donnée appliquée à des connaissances (système expert)

Parce que la médecine évolue constamment et que nous voulions un maximum d’évolutivité, nous avons décidé d’attaquer l'everest par la face Nord :-) et nous avons choisi de travailler à la structuration de la connaissance médicale, en créant notre propre ontologie médicale décrivant les types de relations entre maladies, syndrome, facteur de risque, médicaments, examens complémentaires, symptômes, questions, réponses, actes chirurgicaux.

Le MKG contient aujourd’hui 92.000 de ces entités, chacune liée à une classification ou codification reconnue lorsqu’elle existe (CIM-10, DSM-5, Orphanet, DRC, ATC/ANSM…).

logo composant modélisation de la connaissance médicale
Groupe 3910

Vers un traité de médecine auto-apprenant ?

Le MKG, constitué à partir de bases de données fiables et vérifiées par la communauté scientifique (CIM-10, Orphanet, ATC, DSM-5, DRC…) est notre référentiel facilitant l’interopérabilité entre toute solution de la plateforme ANAMNÈSE et les solutions ou DPI d’autres logiciels médicaux.

Enrichi depuis 2017 avec l’aide d’experts médicaux (internes, médecins…), le Medical Knowledge Graph contient à ce jour

> 21.000 maladies ou syndromes référencés dans la CIM-10 de l’OMS (dans sa version 2020 de l’ATIH)

> 5000 symptômes (par localisation, intensité, temporalité…)

> 6000 facteurs de risques

> 19000 questions et réponses

> 16000 codes ATC de médicaments

 ...

Chaque utilisation d’Anamnèse (réponses patients aux questions + diagnostic retenu par le médecin) permet d’affiner les prévalences (et probabilités conditionnelles) d’une maladie sachant que le patient a tel symptômes et tels facteurs de risque à tel moment de l’année dans telle région…

En utilisant Anamnèse, vous nous aidez à constituer une base de connaissance qui pourrait à terme devenir un traité de médecine numérique, constamment maintenu à jour avec les données de vie réelle.

le MKG permet une Intelligence Artificielle Explicable

L’Intelligence Artificielle Connexionniste (apprentissage automatique type machine learning, se nourrissant de big data) permet de grandes avancées scientifiques, mais a également de grands défauts :

> elle reproduit les biais des échantillons sur lesquels elle a appris

> désapprendre lui est compliqué

> ses résultats sont difficilement explicables

En s’appuyant sur une modélisation de la connaissance compréhensible par des experts médicaux, et en utilisant des mécanismes de raisonnement sur ces connaissances, Anamnèse s’appuie prioritairement sur des techniques d’Intelligence Artificielle Symbolique (type système expert) qui rendent ses résultats explicables à la communauté scientifique.

Mais comme il serait dommage d’ignorer les données de vie réelle, nous travaillons actuellement à combiner ces deux technologies pour proposer une Intelligence artificielle Hybride, combinant le raisonnement logique à l’apprentissage automatique, un peu comme un médecin complète ses connaissances théoriques en médecine lue dans les articles, avec son expérience pratique auprès des patients.

Groupe 10451
Groupe 10463

Interopérabilité grâce à l’utilisation de référentiel

Qu’il s’agisse de médicaments, opérations chirurgicales, maladies, facteurs de risques, symptômes ; toute entité médicale au sein d’ANAMNÈSE est codifiée, en utilisant autant que possible des références reconnues internationalement.

Ce qui permet :

> de structurer l’information

> de faciliter les échanges avec des systèmes tiers

> de faciliter l’utilisation des donnés en vie réelle, et donc de faciliter la recherche en limitant les opérations de nettoyage (étape imposée du big data).

Questionnaire médicaux dynamiques et personnalisés

Grâce au MKG, il est possible de créer autant de questionnaires spécialisés qu’il y a de situations médicales (urgences, dépistage, régulation…).

Plus d'info sur nos questionnaires multilingues patient
Groupe 10551
logo compo diagnostic différentiel

Diagnostic différentiel

Des symptômes qui ne s’expriment généralement pas ensemble ?

Un doute sur une maladie rare?

Le MKG peut également être utilisé pour produire un diagnostic différentiel, et pour un ensemble de symptômes, et un type de patient, vous suggérer les diagnostics les plus probables, et pour chacun, les symptômes ou facteurs de risques sur lesquels interroger le patient

Vous avez un projet ?

Contactez nous

Vous voulez prendre connaissance des autres composants de la Plateforme e-santé

Les composants de la plateforme