Un portail patient est une partie d’un système de dossiers médicaux électroniques qui est rendue accessible aux patients. Bien que les portails patients existent depuis de nombreuses années, ceux-ci ont vu un taux d’adoption faible au Canada. Ceci est dû en grande partie au désir des provinces d’investir dans de grands systèmes centralisés de dossiers médicaux électroniques, et à la complexité de la mise en œuvre de tels systèmes. Cependant, les patients demandent à avoir accès à leurs données médicales, et ce, sans attendre l’arrivée de ces systèmes centralisés complexes.
Ainsi, ce projet vise à développer et à évaluer le portail patient Opal, déjà en place au Centre universitaire de santé McGill, comme portail patient multi-institutionnel employant une nouvelle infrastructure d’échange de données asynchrone.
Ce projet comporte deux éléments : (1) la préparation de Opal pour la fonctionnalité soignante dans laquelle les patients pourront partager une partie ou la totalité de leurs données médicales avec leurs soignants, et (2) la préparation du contenu général pour Opal.
Ce projet de recherche est centré sur la préparation d’une étude pilote visant à récolter, sur une base volontaire, des données relatives à la radiothérapie provenant de patients utilisant le portail patient, Opal.
Ce projet examine les moyens par lesquels les patients peuvent partager leurs données et mettre en place la structure d’un projet démonstratif.
Ce projet consiste à examiner les exigences réglementaires en matière de respect des renseignements personnels et de confidentialité pour l’utilisation d’un portail patient dans diverses provinces canadiennes.
Romina, membre de l’équipe d’assurance de la qualité et l’équipe d’étude de marché, a aussi contribué au déploiement de Opal dans de nombreuses cliniques au Centre du cancer des Cèdres.
Ce projet de recherche se base sur l'utilisation de la blockchain ou d'une solution alternative pour assurer la sécurité d’acquisition de données en utilisant l'application Opal.
Il mettra en place une infrastructure blockchain démonstrative, examinant ses défis et ses inconvénients et proposant des solutions innovantes potentielles.
Ce projet est centré sur une analyse du processus de préparation d’une stratégie de médias axés sur le/la patient.e et des médias sociaux. Ces derniers fournissent aux patients des informations utiles sur le portail patient Opal et sur la façon dont ils peuvent en tirer le meilleur parti.
La découverte des agents antimicrobiens a été l'un des grands triomphes du XXe siècle. La nouvelle qui donne à réfléchir est que la résistance aux antibiotiques faisait également partie du processus. Si rien n'est fait d'ici 2050, la résistance aux antibiotiques coûtera 100 billions de dollars et 10 millions de personnes par an devraient en mourir (https://amr-review.org). Les facteurs à l'origine de la résistance aux antibiotiques vont au-delà des soins de santé humaine et ont des répercussions sur la médecine vétérinaire, l'agriculture et l'environnement (approche "One Health"). Les approches nouvelles et améliorées pour lutter contre la résistance aux antibiotiques comprennent une meilleure surveillance, une utilisation rationnelle des médicaments, un modèle commercial différent pour la production d'antibiotiques, l'innovation à tous les niveaux et, surtout, une approche globale.
Cette proposition de subvention d'équipe transnationale a pour but d'appliquer de nouvelles approches d'apprentissage machine pour la modélisation de la résistance aux antibiotiques afin d'accélérer le diagnostic, d'améliorer la surveillance et de prédire l'émergence de la résistance. Plus précisément, nous développerons la mise en œuvre de l'apprentissage machine qui peut orienter la sélection des traitements en évaluant le niveau de résistance, fournir une justification pour la génération de nouveaux antibiotiques et aider à la surveillance de la résistance aux antibiotiques chez l'homme et le bétail dans le monde entier.
Pour y parvenir, nous avons réuni une équipe transnationale (Canada, Chine, Finlande, France) aux compétences complémentaires, qui a fait ses preuves en matière d'apprentissage automatique à la fois à la génomique et à la métabolomique et aux experts du domaine de la résistance aux antibiotiques. Notre équipe transnationale dispose de tous les éléments pour avoir un impact important et continuer à collaborer bien au-delà de la période de financement JPIAMR.
La complémentarité de notre expertise nous aidera à relever les défis à venir et à assurer la continuité de notre succès.
L'efficacité et la robustesse du procédé manufacturier sont essentielles pour assurer la productivité et la prévisibilité dans la fabrication pharmaceutique. La technologie de fabrication de vaccins de Medicago utilise des plantes pour la production et notre objectif est de développer un système capable de prévoir et de contrôler l’aptitude des plantes à la production, et ce, tôt dans le processus, de l’ensemencement à la récolte des feuilles productrices.
À cette fin, nous devons identifier les facteurs qui régulent le niveau de production de chaque plante. Nous prévoyons mesurer un grand nombre de molécules, appelées métabolites, afin de déterminer les conditions optimales permettant à la plante de générer la quantité maximale de chaque produit. La quantité de mesures étant importante, nous utiliserons l’apprentissage automatique pour concevoir une intelligence artificielle capable de comprendre et d’identifier les schémas potentiellement très complexes de métabolites et/ou des caractéristiques corrélées à une productivité optimale.
Un médicament d’exception est un médicament qui n’est habituellement pas couvert par le régime public d’assurance-médicaments (RPAM). Les mesures mises en place à la RAMQ pour les médicaments d’exception permettent à l’ensemble de la population d’obtenir la couverture de certains médicaments si ces derniers sont utilisés dans le respect des indications reconnues par l’Institut national d'excellence en santé et services sociaux (INESSS). Les médicaments d'exception constituent aujourd'hui une part importante et en constante augmentation des dépenses totales en médicaments d’ordonnance.
Pour le RPAM, l’un des moyens de contrôler cette hausse est de rembourser ces médicaments selon des règles préétablies. Actuellement, le système traite automatiquement environ 20% des demandes alors que les autres sont dirigées vers une analyse au cas par cas, ce qui génère des délais.
Ce projet consiste à aider le secteur d’affaire à répondre plus rapidement aux demandes d’approbation de médicaments d’exception. Un outil sera développé sur la base de 15 années de données recueillies par le système actuel, et visera à augmenter le nombre de demandes traitées de façon automatique.
Il arrive souvent que le partage de données soit limité par des enjeux de confidentialité. C'est une réalité fréquente dans le domaine de la santé, étant donné la sensibilité inhérente de ce type de données. Lorsque le partage du jeu de données original est impossible, une méthode qu'on peut utiliser est de générer un jeu de données synthétiques, qui contient le plus possible une information statistique similaire à celle du jeu de données original, mais qui fournit des données sur de faux individus de façon à protéger la confidentialité des répondants. Une façon de garantir que ces données synthétiques protègent effectivement les répondants, c'est d'utiliser la confidentialité différentielle, une mesure rigoureuse du risque de divulgation d'information confidentielle.
Ce projet s'intéresse à comment analyser ces jeux de données synthétiques pour obtenir des résultats statistiques valides, les méthodes classiques d'inférence devant être modifiées pour tenir compte de la variabilité additionnelle ajoutée par la génération du jeu de données synthétiques.
Découvrir

Projet en vedette
Le projet vise à étudier les effets sur le débat public de l'intelligence artificielle (IA) et de la science des données, et de leurs usages par les nouveaux diffuseurs de contenu sur le web.