Ressources et méthodes libres pour la détection des interactions médicamenteuses dans les entrepots de données de santé – REMIAMES

L’existence d’interactions médicamenteuses dans les prescriptions est un risque pour le patient et le reflet de pratiques améliorables. Ces problèmes ont déjà été quantifiés par des études sur les données issues des soins. Néanmoins, pour être crédibles et reproductibles, ces études doivent avoir une méthodologie rigoureuse. En effet, la façon de chercher les interactions médicamenteuses, les référentiels utilisés, les données disponibles (posologie, contexte patient...), vont avoir une influence sur le dénombrement de ces interactions, car certaines peuvent être détectées à tort (faux positifs), d’autres omises (faux negatifs).
L’objectif du projet ReMIAMes est de proposer un cadre méthodologique permettant de mesurer de manière valide et reproductible la fréquence des interactions médicamenteuses dans les prescriptions retrouvées dans les entrepôts de données de santé et de quantifier l’erreur potentielle sur cette fréquence en fonction des données disponibles et de leurs méthodes d’extraction.
Le projet ReMIAMes réunit des compétences en ingénierie des connaissances, en traitement automatique de la langue, en fouille de données, en épidémiologie, en pharmacie, en entrepôt de données via 2 laboratoires de recherche (LIMICS et Equipe Projet Données Massive du LTSI) et 3 CHU (Rouen, Rennes et APHP).
Il conduira à l’élaboration d’une ontologie formelle des interactions et de leur contexte d’apparition, à la constitution de bases de règles permettant de détecter une interaction et de vérifier la complétude de la description des cas présentés pour réaliser cette détection. L’ensemble sera intégré dans un système d’aide à la décision réalisant un raisonnement à base de règles et de subsomption. Les données des différents CHU seront alignées vers un modèle pivot qui sera l’entrée du système d’aide à la décision. Les stratégies d’extraction, de normalisation des données mises en œuvre viseront à maximiser leur plausibilité des données. Elles seront assorties d’indicateur qualité.
De ce projet résulteront des ressources ontologiques et terminologiques décrivant les interactions et leur contexte disponibles sous licence libre, un modèle pivot d’interopérabilité dont la description enrichira les modèles internationaux existants, des recommandations pour l’extraction des données et la mesure de leur qualité, et enfin une plateforme intégrative permettant la mesure des cas d’interactions médicamenteuses en tenant compte des hypothèses quant à la qualité et à la complétude des données fournies.