Évaluation des améliorations de prédiction d'hospitalisation par l'ajout de connaissances métier aux dossiers médicaux

The knowledge available through electronic medical records (EMR) themselves remains limited by the fact the features used by a machine learning algorithms from a text alone do not contain all the implicit information known by a domain expert. We propose and evaluate the ontological augmentations of features extracted from textual information from EMRs on several machine learning algorithms to predict hospitalization.
Les dossiers médicaux électroniques (DME) contiennent des informations essentielles sur les différents épisodes symptomatiques qu'un patient a subis. Cependant, les connaissances disponibles à travers ces enregistrements restent limitées : les attributs extractibles à partir de ces textes pour un algorithme d'apprentissage ne contiennent pas toutes les informations implicites connues par un expert. Afin d'évaluer et de pallier ce problème, nous avons étudié l'impact de l'augmentation des textes et des informations textuelles en provenance des DMEs par des annotations ontologiques générées automatiquement à partir de leur analyse afin d'enrichir en amont les représentations vectorielles utilisées ensuite par des algorithmes d'apprentissage.