in

Le système hospitalier public de Paris lutte contre la propagation du COVID-19

Dans la bataille contre le COVID-19, les Hôpitaux Universitaires du Grand Paris – Hôpital Public d’Assistance de Paris (AP-HP est l’acronyme français) ne sont pas seulement en première ligne médicale – mais également en première ligne des données.

Avec un réseau de 39 hôpitaux traitant 8,3 millions de patients chaque année, AP-HP est un acteur majeur de la lutte contre le COVID-19.

Avec ses cas de COVID-19, il y a énormément de données, y compris maintenant des géodonnées qui peuvent potentiellement aider à réduire l’impact de la pandémie. AP-HP, qui s’associe à sept universités, avait déjà la capacité d’analyser de grandes quantités de données médicales. Il avait précédemment créé des tableaux de bord combinant des cas de cancer et des données géographiques. Il était donc logique de poursuivre et d’étendre son rôle pendant la pandémie.

Le volume attendu de données et de géodonnées COVID-19 aurait probablement testé la capacité de traitement des données d’AP-HP. Pour atténuer ce défi critique, les administrateurs des systèmes d’information de l’hôpital se sont tournés vers Kinetica, un fournisseur d’entrepôts de données en streaming et d’analyses en temps réel et membre du programme NVIDIA Inception pour les startups IA.

L’offre de Kinetica exploite la puissance des GPU NVIDIA pour convertir rapidement les données de localisation des cas en informations utilisables. Et dans la lutte contre le COVID-19, la vitesse est primordiale.

L’équipe du projet a également utilisé NVIDIA RAPIDS pour accélérer les algorithmes d’apprentissage automatique intégrés à la plate-forme. RAPIDS accélère les pipelines d’analyse et de science des données sur les GPU NVIDIA en tirant parti du parallélisme GPU et de la bande passante mémoire élevée.

«Avoir la capacité d’effectuer ce type d’analyse en temps réel est vraiment important pendant une pandémie», a déclaré Hector Countouris, chef de projet chez AP-HP. «Et plus de données arrivent.»

Analyse des données de contact COVID

Ce sur quoi Countouris et ses collègues se concentrent le plus est l’utilisation des géodonnées liées au COVID pour comprendre où se trouvent les «points chauds» des virus et la dynamique de l’épidémie. La recherche d’emplacements de cluster peut aider à la prise de décision au niveau du district ou de la région.

En outre, ils recherchent de nouveaux signaux pour améliorer la détection précoce des patients COVID. Cela comprend le travail avec des données d’autres agences régionales.

Si les patients reçoivent un diagnostic de COVID, les agences compétentes leur demanderont via un appel téléphonique de leur localisation récente et de leurs contacts pour aider à la recherche des contacts. C’est la première fois qu’un large éventail de données provenant de différents partenaires de la région parisienne sera intégré pour permettre une recherche des contacts et des alertes ponctuelles sur une exposition potentielle. Le résultat sera une nouvelle capacité à voir comment les grappes de cas COVID-19 évoluent.

«Nous espérons que dans un proche avenir, nous serons en mesure de suivre l’évolution d’un cluster en temps réel», a déclaré Countouris.

L’objectif est de permettre aux décideurs de santé publique de mettre en œuvre des mesures de prévention et de contrôle et d’évaluer leur efficacité. Les données peuvent également être intégrées à d’autres données démographiques pour étudier la propagation du virus et sa possible dépendance vis-à-vis des facteurs socio-économiques et d’autres facteurs.

Attaquer les goulots d’étranglement avec les GPU

Avant de s’engager avec Kinetica, de tels projets gourmands en données impliquaient tellement de temps pour charger les données qu’ils ne pouvaient pas être analysés assez rapidement pour offrir des avantages en temps réel.

« Maintenant, je n’ai pas l’impression d’avoir un goulot d’étranglement », a déclaré Countouris. «Nous intégrons continuellement des données et fournissons des tableaux de bord aux décideurs en quelques heures. Et avec des pipelines en temps réel robustes permettant une ingestion continue des données, nous pouvons désormais nous concentrer sur la création de meilleurs tableaux de bord. »

Dans le passé, pour obtenir des données dans un format spécifique et utilisable, ils devaient faire beaucoup de prétraitement. Avec l’entrepôt de données en continu de Kinetica alimenté par les GPU NVIDIA V100 Tensor Core, ce n’est plus le cas. Les utilisateurs peuvent accéder aux ensembles de données beaucoup plus riches qu’ils demandent.

La plate-forme de Kinetica est disponible sur NVIDIA NGC, un catalogue de conteneurs IA optimisés pour le GPU qui permet aux entreprises d’opérationnaliser rapidement l’analyse extrême, l’apprentissage automatique et la visualisation de données. Cela élimine la complexité et permet aux organisations de déployer des modèles cloud, sur site ou hybrides pour des opérations commerciales optimales.

«Je ne pense pas que nous pourrions répondre aux attentes des utilisateurs en matière de géodonnées sans puissance GPU», a-t-il déclaré. « Il y a tout simplement trop de données et de géodonnées à fournir à trop d’utilisateurs en même temps. »

Le travail d’AP-HP lié au COVID a déjà établi une base sur laquelle effectuer le travail de suivi lié aux interventions d’urgence en général. L’intérêt du système d’information hospitalier pour ce type de données est loin d’être terminé.

«Le fait que nous ayons aidé le processus de prise de décision et que les fonctionnaires utilisent nos données est la mesure du succès», a déclaré Countouris. « Nous avons beaucoup à faire. Ce n’est que le début. »

Countouris a présenté le travail de l’équipe la semaine dernière lors de la GPU Technology Conference. Les participants inscrits au GTC peuvent visionner la conférence à la demande. Il sera disponible pour être rejoué au grand public au début du mois prochain.

Kinetica fera également partie du stand NVIDIA Startup Village lors de la conférence HLTH, présentant le 16 octobre à 14 heures, heure du Pacifique.