Top Banner
L’apport du cognitif dans la santé Conférence Télécom ParisTech du 16 juin 2016 - Big Data en santé Georges Uzbelger - IBM France
14

Conf ibm big data en santé télécom paris tech 16062016 v1

Apr 12, 2017

Download

Health & Medicine

Alain Tassy
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Conf ibm big data en santé   télécom paris tech 16062016 v1

L’apport du cognitif dans la santé

Conférence Télécom ParisTech du 16 juin 2016 - Big Data en santé Georges Uzbelger - IBM France

Page 2: Conf ibm big data en santé   télécom paris tech 16062016 v1

1900 1950 2011

Nous sommes entrés dans une nouvelle ère !

Page 3: Conf ibm big data en santé   télécom paris tech 16062016 v1

Ere cognitive

• Convergence entre (NBIC) • Nanotechnologie • Biotechnologie • Informatique • Sciences cognitives

• Approche bio-inspirée • Apprentissage: machine et deep learning • Méthode de « raisonnement » de type baysien (plausibilité des causes à

partir des effets constatés) • Modèle d’architecture de type « neuronal » inspiré des réseaux de

neurones biologiques

Nanotechnologie Biotechnologie

Informatique Sciences cognitives

NBIC

Page 4: Conf ibm big data en santé   télécom paris tech 16062016 v1

Intelligence Artificielle

• Naissance en 1956 lors de la conférence de Dartmouth College • Pères: John McCarthy et Marvin Minsky • Qu’est-ce que c’est (pas du tout exhaustif ) ?

• Modélisation/simulation de comportements cognitifs • Exemple: Approche capacité d’adaptation vs l’environnement extérieur

• IA faible et forte

Capteurs Effecteurs

Objectifs

Agent IA

Actions adaptatives effecteurs à partir de capteurs

pour atteindre un objectif

Page 5: Conf ibm big data en santé   télécom paris tech 16062016 v1

Entrée SortieAlgorithmes avec adaptation

de la prise en compte des entrées et des comportements en réponse en fonction d’objectifs à atteindre

Prise en compte des réponses pour amélioration future

Le machine learning

• Le machine learning est un ensemble d’outils mathématiques et d’algorithmes permettant, par un processus itératif, d’améliorer les performances de prédictions et de prescriptions par rapport à un objectif à atteindre

• Certaines implémentations de machine learning s’inspirent du fonctionnement et de l’architecture des neurones biologiques.

Statistiques Optimisation

Algorithmique

Er

Classification Regression

Page 6: Conf ibm big data en santé   télécom paris tech 16062016 v1

Entrée SortieAlgorithmes avec adaptation

de la prise en compte des entrées et des comportements en réponse en fonction d’objectifs à atteindre

Oracle Superviseur

Ensemble de valeurs d’apprentissage

et de test

Sortie attendue

Entrée

Prise en compte des réponses pour amélioration future

Apprentissage supervisé - Entrainement

3 phases: Apprentissage

tests Production

Statistiques Optimisation

Algorithmique

Er

Classification Regression

Minimisation risque empirique consistance

Minimisation risque structurel

Page 7: Conf ibm big data en santé   télécom paris tech 16062016 v1

Conceptualisation - Modélisation - Généralisation

• Conceptualisation - modélisation pour comprendre et représenter un phénomène• Généralisation à partir de la représentation pour prévoir le comportement d’un phénomène

• Exemple: Comportement de fraude, vieillissement d’un système, attrition, décrochage scolaire, aide au diagnostique/pronostique, thérapie, épidémiologie, essai clinique, …

Page 8: Conf ibm big data en santé   télécom paris tech 16062016 v1

Décisions Actions

Résultats

Analyse Descriptive

Analyse Prédictive

Optimisation

Règles métier

Analyse Prescriptive

Du descriptif au prescriptif

Page 9: Conf ibm big data en santé   télécom paris tech 16062016 v1

Des décisions plus objectives

1- Observer 2- Interpréter 3- Evaluer 4- Décider

• Applications: Aide au diagnostique/pronostique, thérapie, épidémiologie, essais cliniques, …

Page 10: Conf ibm big data en santé   télécom paris tech 16062016 v1
Page 11: Conf ibm big data en santé   télécom paris tech 16062016 v1

Mais qu’est-ce que Watson ?

• Watson créé une relation nouvelle avec les systèmes d’informations • Watson accompagne les décideurs et renforce la relations avec les

clients

• Watson me comprend.

• Watson échange avec moi.

• Watson apprend et s’améliore avec le temps

• Watson m’aide à découvrir.

• Watson justifie ses arguments.

• Watson à des capacités encore inexploitées.

• Watson est rapide et pense en temps réel.

Watson produit et évalue des hypothèses

Watson comprend le langage naturel

Watson s’adapte et apprend

Page 12: Conf ibm big data en santé   télécom paris tech 16062016 v1

Comment Watson « raisonne » ?

Page 13: Conf ibm big data en santé   télécom paris tech 16062016 v1
Page 14: Conf ibm big data en santé   télécom paris tech 16062016 v1

MERCI !

Conférence Télécom ParisTech du 16 juin 2016 - Big Data en santé Georges Uzbelger - IBM France