L’adoption du dossier patient informatisé a considérablement amélioré l’accès à de vastes volumes de données cliniques. Si cet accès constitue une ressource précieuse pour les soins comme pour la recherche, il soulève néanmoins de nouveaux défis liés à la complexité des données médicales. Parmi ces défis figurent leur caractère implicite (dont l’interprétation reste difficile sans expertise médicale), leurs imperfections telles que l’incohérence, l’incertitude et l’incomplétude, ainsi que leur dimension temporelle intrinsèque. Cette thèse explore comment des approches fondées sur la logique peuvent remédier à ces difficultés.
Dans un premier temps, j’ai étudié une approche ontologique afin d’illustrer l’apport des ontologies dans l’évaluation de la qualité des données médicales, en particulier pour le phénotypage des cancers du poumon. Cette approche a consisté à concevoir une ontologie pour formaliser les connaissances essentielles du domaine et l’exploiter pour interroger l’entrepôt de données de santé du CHU de Bordeaux. Ce travail a permis de mettre en évidence les apports des ontologies pour la représentation des connaissances et la détection d’incohérences, tout en soulignant certaines limites, notamment en ce qui concerne la gestion des incohérences temporelles dans les données de santé.
Fort de cette première expérimentation, j’ai ensuite proposé un nouveau framework logique pour l’inférence d’événements cliniques de haut niveau à partir de données temporelles, en cohérence avec le raisonnement et la prise de décision cliniques. Ce framework définit des règles logiques exprimant les conditions d’existence d’un événement à un instant donné, ainsi que, de façon optionnelle, des conditions de terminaison signalant sa fin potentielle. Deux méthodes d’agrégation permettent ensuite de construire des intervalles d’événements à partir de ces conditions. Le formalisme introduit également la notion de méta-événements, obtenus par combinaison ou généralisation d’autres événements, et intègre des niveaux de confiance ainsi qu’un mécanisme de réparation pour traiter les imperfections inhérentes à la détection des événements. Pour valider l’intérêt de ce framework, j’ai implémenté ses composants principaux en Answer Set Programming. Le système obtenu, CASPER, a été évalué sur deux cas d’usage médicaux, démontrant à la fois sa faisabilité computationnelle et sa concordance avec l’avis d’experts médicaux.