Ontologie probabiliste pour l’aide au diagnostic médical dans le contexte des Objets Connectés Médicaux

Abstract

Faire un diagnostic médical fiable nécessite l’identification de la maladie en se basant sur l’observation des signes et symptômes du patient. De plus, les ontologies constituent un formalisme suffisant et efficace pour représenter les connaissances biomédicales. Cependant, les ontologies classiques ne permettent pas de représenter les connaissances incertaines, c’est pour cette raison que les ontologies probabilistes ont été proposées afin de représenter l’incertitude. Dans ce mémoire, nous nous intéressons à concevoir un système d’aide au diagnostic médical, dans le contexte des objets connectés médicaux, qui vise à intégrer l’incertitude dans les ontologies. Nous suivons la méthodologie UMP-ST basée sur les réseaux bayésiens multi-entité, pour modéliser l’ontologie probabiliste, en exploitant une ontologie classique « HealthIot » qui sert à représenter la connaissance médicale dans le contexte d’IOT . Nous appliquons ce processus sur le cas d’étude du diagnostic des maladies Cardio-vasculaire. Mots clés : Ontologie, ontologie probabiliste, réseaux bayésiens, réseaux bayésiens multi-entité, incertitude.