Apprentissage de modèles e la dynamique pour l'aide à la décision en monitorage clinique

L'aide a la decision en milieu clinique passe essentiellement par la mise a disposition du praticien d'information synthetique a partir des donnees techniquement disponibles. Une methodologie d'analyse de donnees en soins intensifs est proposee dans l'objectif de synthetiser l'historique des donnees du monitorage courant. Elle degage des moyens de visualisation et d'abstraction, tout en retardant l'introduction de la connaissance d'expert. Les donnees disponibles sont bruitees, quantifiees, filtrees, intermittentes, ce qui oriente les choix et oblige a adapter les traitements. Une chaine de traitement en trois etapes est exposee et illustree a partir de donnees artificielles et reelles. La premiere etape repose sur l'extraction de la tendance locale, estimee par regression lineaire suivant une methode efficace par filtrage et approche incrementale. Cette methode necessite la determination d'une echelle caracteristique d'evolution pour chaque variable. Pour la definir plusieurs criteres sont proposes, formalises puis evalues. Un critere base sur le test statistique de signification des regressions est retenu. La deuxieme etape consiste en la symbolisation de la dynamique locale de chaque variable. Elle est basee sur la projection des donnees a l'echelle caracteristique dans l'espace tendance Vs. Stabilite. Enfin, une etape d'analyse multivariee construit des modeles symboliques locaux par induction d'arbres de decision. La succession des modeles permet de detecter des changements dans la configuration des relations entre les variables. Apres une discussion sur les objectifs, les criteres retenus, et les difficultes d'evaluation, nous concluons sur l'integration de ces techniques dans la plate-forme d'aide au diagnostic Aiddiag. Chaque pallier de la chaine de traitement propose une methodologie et une representation, exploitables a des niveaux d'interpretation de plus en plus eleve��s, et probablement transposables a d'autres flots de donnees semblables.