Optimisation des processus de recommandation scientifique via l’analyse des données cliniques anonymisées

2. Détails du projet
2.1 DESCRIPTION DU PROJET
2.1.a. Contexte (Quel problème doit être résolu?)
Donnez un aperçu des activités principales de l’organisation partenaire. Expliquez le défi d’innovation ou la priorité d’amélioration que le partenaire doit relever. Spécifiez de quelle manière ce projet aidera l’organisation partenaire à relever ces défis d’une manière qui surpasse les activités ou les opérations quotidiennes de l’entreprise. Décrivez quel type d’expertise est nécessaire pour résoudre le problème.
Bia Éducation est une entreprise québécoise innovante spécialisée dans le e-learning en santé et le transfert de connaissances scientifiques. Notre mission est de favoriser l’accès rapide et efficace à la recherche scientifique pour les professionnels de la santé, leur permettant d’améliorer la qualité des soins prodigués. Nous formons les professionnels de santé en proposant des formations et un abonnement scientifique alliant synthèses d’articles et webinaires. Actuellement, nous développons un assistant intelligent basé sur l’intelligence artificielle, destiné à intégrer des recommandations et des alertes scientifiques directement dans les Dossiers Médicaux Électroniques (DME).
2.1.b. Objectifs et approche (Comment le problème sera-t-il résolu?)
Énumérez les objectifs du projet et expliquez comment vous prévoyez de les atteindre. Les détails fournis doivent être suffisants pour déterminer si l’approche décrite convient à l’atteinte de chaque objectif. Pour les projets comptant plusieurs stagiaires, expliquez clairement le ou les objectifs sur lesquels chaque stagiaire travaillera.
L’objectif du projet est de développer un système performant de recommandation scientifique en utilisant des techniques avancées de science des données. Ce système analysera les données cliniques anonymisées pour : Déterminer les besoins prioritaires des professionnels de la santé en fonction des profils des patients. Optimiser les alertes scientifiques envoyées aux cliniciens, en s’appuyant sur des analyses prédictives des cas cliniques récurrents. Personnaliser les recommandations en fonction des contextes cliniques et des spécialités médicales.

Faculty Supervisor:

François Guibault

Student:

Partner:

Bia éducation

Discipline:

Engineering

Sector:

Information and cultural industries

University:

Polytechnique Montréal

Program: