Modélisation des Connaissances Incertaines dans l’Internet des Objets (IOT) : Contexte des Objets Connectés Médicaux

Abstract

Le domaine de l’internet des objets a rapidement évolué au cours des dernières années, donnant naissance à une multitude de sous-disciplines. L’une des plus connues d’entre ces disciplines est l’internet des objets médicaux ou plus communément appelée IoMT (Internet of Medical Things), et ce compte tenu de l’importance de la santé dans notre vie et des avantages qui viennent avec l’évolution de ce domaine. Cependant, une des difficultés rencontrée est l’incapacité des systèmes de l’IoMT de représenter adéquatement l’incertitude des informations du domaine médical. De ce fait, l’objectif de notre travail est de proposer un modèle sémantique qui permet de traiter l’incertitude dans le domaine de l’IoMT. Les ontologies classiques, qui sont un moyen de représenter les connaissances en IoMT, sont elles-aussi incapables de traiter l’incertitude, c’est pourquoi, nous avons opté pour l’utilisation d’une ontologie floue construite grâce à la méthode FODM(fuzzy ontology development me- thodology) afin de pouvoir représenter les connaissances médicales incertaines dans le domaine de l’IoMT, et cela en associant l’ontologie floue à un réseau bayésien flou qui permettra de prendre en compte les probabilités sur les connaissances floues. L’étude est réalisée pour l’aide au diagnostic des patients potentiellement atteints du diabète de type 2. Mots clés : IoMT, connaissances incertaines, ontologies floues, réseaux bayésiens flous, diagnostic.