La réutilisation des données cliniques est un enjeu critique pour la recherche biomédicale, l’épidémiologie et l’amélioration des soins. Elle reste un défi majeur, car si les systèmes informatisés hospitaliers ont permis la numérisation massive des données de santé, cette accumulation n’a pas été suivie d’une capacité équivalente de leur exploitation. Cette thèse décrit le développement d’un processus d’enrichissement et d’harmonisation des données médicales à l’aide d’approches sémantiques. Elle démontre également comment cet enrichissement permet d’optimiser l’usage des données cliniques pour des processus secondaires tel que la recherche.

L’approche proposée dans ce travail repose sur un changement fondamental : placer la sémantique au centre de l’architecture des données. Pour cela, une couche sémantique est ajoutée aux entrepôts de données à l’aide d’une grammaire descriptive formelle conçue spécifiquement à cet effet. La stratégie consiste à représenter les données cliniques disponibles des Hôpitaux Universitaires de Genève à l’aide d’une approche sémantique unifiée, reposant sur plusieurs systèmes terminologiques reconnus, principalement SNOMED CT. La sémantique doit être placée au coeur des données cliniques afin d’en permettre une réutilisation pertinente.

Ce travail présente d’abord l’état actuel des pratiques en la matière, ce qui a été tenté, ce qui fonctionne ou non, et pourquoi. La seconde partie propose une méthode de représentation sémantique innovante, pour finalement décrire son implémentation, les défis liés et ses applications potentielles. L’ensemble constitue un système entièrement activé par l’intelligence sémantique d’une grammaire descriptive formelle, fondée sur SNOMED CT et associée à d’autres vocabulaires comme Pango ou encore ATC, pour assurer l’interopérabilité dans le domaine de la santé. Le résultat de cette représentation constitue un graphe dirigé acyclique qui exprime de manière détaillée le sens des données. Il peut être utilisé pour créer des approches symboliques, comme la théorie des graphes, ou numériques comme l’entrainement de réseaux de neurones. En utilisant cette technique, 90% du volume des données considérées de l’entrepôt clinique des HUG a pu être décrit de manière formelle. Ce travail propose de remettre le sens au centre des données cliniques et ainsi en révéler toute la valeur.