eHospital : Logiciel intégré de gestion hospitalière

DÉFI

Aide à la traduction et la personnalisation d'une application de gestion hospitalière pour l'implantation du premier hôpital

Universitaire complètement informatisé à Conakry en Guinée: l'hôpital National Donka.

TECHNOLOGIES : .Net

ePACS : Adaptation pour un hôpital universitaire africain

DÉFI

Les hôpitaux universitaires ont des responsabilités de recherche et d'enseignement supplémentaires qui peuvent

potentiellement affecter les fonctionnalités requises d'un système PACS associé aux processus de diagnostic et

d'imagerie. Ce projet de recherche appliquée vise à adapter un logiciel libre PACS pour l'utiliser lors de la formation

des jeunes médecins internes spécialisés en imagerie médicale.

CE QUE NOUS AVONS FAIT

Nous utilisons le logiciel du départment de Physique Médicale de l'Hôpital Universitaire de Liège en Belgique pour

fournir un service PACS qui a les avantages de ne pas coûter cher. Nous l'adaptons pour offrir un environnement

d'enseignement et d'essai pour les internes en radiologie à l'hôpital Donka.

ÉTUDIANT : Hamidreza Ghaderi

TECHNOLOGIES : Windows Server, DICOM, JSON, DCMTK, dcm4che, pydicom, dwv, Weasis

Screen-Shot-2020-02-10-at-5-46-03-PM-(1).png

Collecteur de données, des intéractions SMS et GIS,

suivis de patients et visualisateur/ tableau de bord pour Donka

DÉFI

Déployer le logiciel libre pour faire le suivi des maladies infectueuses en Guinée (hôpital

national Donka).

CE QUE NOUS AVONS FAIT

DHIS2 est déployé dans plus de 45 pays. Voir une démo ici. Ce projet vise l'intégration

de DHIS2 avec le logiciel eHospital à l'aide de Mirth Connect. L'exemple d'écran qui suit

décrit l'assignation du jeu de données de test à l'unité hôpital Donka.

TECHNOLOGIES : Docker, DHIS2, Mirth Connect

QnGene : FORMAT GÉNÉTIQUE POUR HPC

Projet d'extension du format Adam pour y inclure le génotypage,

les données cliniques et effectuer des analyses génétiques pour la

médecine personnalisée, à grande échelle, à l'aide d'apprentissage machine.

DÉFI

L'analyse de données massives provenant d'études cliniques est effectuée actuellement par des bioinformaticiens à l'aide de pipelines de scripts (souvent écrits en langage Python) qui sont exécutés sur une technologie de bases de données relationelle. Cette aproche est de plus en plus problématique à cause de la très grande quantitée de données génétiques à traiter. Le Amplab de l'université de Californie Berkeley a publié le format Adam qui permet de tirer avantage de technologies du domaine du Big Data pour accélérer ce processus (voir l'article ici). Notre défi est de permettre au chercheur d'effectuer lui même l'extension du format des données pour y ajouter des données cliniques, médicaments, environnementales et démographiques afin d'exécuter des modèles prédictifs pour le domaine de la médecine personalisée à l'aide d'algorithmes d'apprentissage machine à grande échelle. (voir l'article ici).

CE QUE NOUS AVONS FAIT

Ce projet débutes avec la rencontre de l'équipe du Amplab à Berkeley pour nous transférer des connaissances concernant le projet Adam. Au début du projet, nous avons ajusté le format Adam pour accepter les données génétiques d'essais cliniques, par exemple : Advance et CDK Gene (consultez le rapport de Simon). Nous avons développé les scripts pour l'ajustement dynamique du schéma de données, par le chercheur ainsi que le chargement rapide/efficace de très grandes quantités de données à petits frais (toutes ces données sont colocalisées, voir l'article de Fodil Belghait et une vidéo.

Nous avons travaillé à la validation/expérimentation de la version 1.0 de cette plateforme de médecine de précision à l'aide d'une étude de cas impliquant l'utilisation de 3 algorithmes d'apprentissage machine qui avaient pour objectif d'identifier les facteurs qui pourraient permettre la découverte d'un score prédictif pour le diabète type 2.

Merci au Dr. Pavel Hamet et à son équipe de bioinformticiens pour leur appui tout au long de ce projet de recherche appliquée. Le nouveau pipeline HPC de ADAM est fondé sur les meilleures pratiques du GATK. Ce projet ne comporte aucun financement institutionnel ou gouvernemental. Nous avons expérimenté à grande échelle avec le Dr. Michael Phillips.

ÉQUIPE D'ÉTUDIANTS Fodil Belgait, Béatriz Kanzki

TECHNOLOGIES Python, ADAM, Hbase, Spark, Parquet, Avro, H2o, genomeBrowser, IGV et VarSeq.

Merçi à

pour le temps machine gratuit

GnomeViewer - SOMATIC VIZUALIZER

Projet de conception d'un visualisateur de requêtes (dépassant les capacités des logiciels libres existants: (c.-à-d. LocusZoom et GWAS pipeline) utilisant un SNP en mode interactif. Cet outil permet l'exploration en temps réel, par les chercheurs, des données publiques. Consultez cet article présenté à la conférence ACM Digital Health de Londres.

DÉFI

Les chercheurs du domaine de la santé désirent interagir avec les données génétiques, mais les volumes grandissants de données posent problème. En ce moment, ils font des requêtes aux bioinformaticiens qui doivent les concevoir, à l'aide du langage SQL, des requêtes qui sont exécutées sur des bases de données relationelles (en arrière-plan) pour chaque cas. Ce processus n'est pas efficace. Il serait bien d'avoir accès à un logiciel de visualisation qui intègre toutes les données disponibles lors de l'activité de découverte et qui permettrait aux chercheurs d'interagir facilement avec ces grandes quantités de données hétérogènes privées et publiques, par exemple: COSMIC, ENSEMBL, UCSC, CAncer Gene Census, Tumorscape, OMIM, cBioCancer, Mitelman, gnomAD and ExAc.

CE QUE NOUS AVONS FAIT

Nous avons conçu et développé un prototype de logiciel de visualisation génétique nommé GenomeViewer. Pour ce faire, nous avons analysé le processus et les logiciels utilisés pour effectuer des requêtes génétiques au laboratoire du Dr Pavel Hamet. La cible de la version .4 du prototype vise à facilement comparer les données d'un patient avec les données de 1000genome publiquement disponibles. À sa version finale, GenomeViewer permettra aux chercheurs en cancérologie de visualiser complètement et rapidement les mutations somatiques et les comparer à plusieurs BD publiques.

Beatriz a produit un premier prototype jetable, la v.1 nommée GOAT, qui a fait objet de plusieurs étapes de réingénierie par la suite. La deuxième version du prototype par Cédric, ensuite la v.3 par Victor afin d'établir une architecture logicielle interne maintenable (voir publication de GOAT). Ce prototype a été renommé GenomeViewer et la cible fonctionnelle a été ajustée vers la visualisation de mutations somatiques. l'amélioration du prototype a été effectuée par une équipe d'étudiants de projet de fin d'études afin de remplacer la présentation graphique limitée par l'utilisation de la technologie de Bokeh Server par AmCharts et remplacer la technologie actuelle de BD SQL par du NoSQL-Spark afin d'augmenter significativement la vitesse d'exécution des requêtes. La plus récente version du prototype, la v.4, ici, comporte seulement les données des 1000 génomes, est s'exécute maintenant sur une grappe AWS. Elle permet le chargement de fichiers .vcf. La performance d'exécution du chargement des données est passée d'une durée de 6 heures à une durée de 30 minutes. De plus les requêtes intéractives au back-end sont passées de 3 minutes à 5 secondes grâce à l'utilisation du format Adam de Berkeley sur AWS-EMR. Consultez son mémoire de maîtrise ici.

ÉQUIPE D'ÉTUDIANTS Beatriz Kanzki, Max St-Onge, Raphaël Papillon, David Guay, Émile Filteau-Tessier, Cédric Urvoy, Victor Dupuy.

TECHNOLOGIES Smacss, Sass, React (Facebook), Reflux, React-JSX, Griddle, Django, MySql, Python, Biopython, AmCharts, Numpy, Pandas, Blaze, Flask, Matplotlib, Adam, AWS - EMR (Spark)

Merçi à pour l'accès gratuit à ses instances dans ce projet

PACIQ: Logiciel de suivi de l'amélioration continue de la qualité pour les établissements de la santé au Québec

Création d'un prototype logiciel de suivi de l'évaluation des critères de la qualité en fonction des normes applicables d'Agrément Canada, de Planetree, du BOMA BEST et du Réseau Quécébois des Établissements Promoteurs de Santé qui régissent les établissements de santé au Québec.

DÉFI

Aujourd'hui, il est difficile d'obtenir l'information précise, de la part de tous les intervenants en santé à l'intérieur d'un établissement, concernant le niveau de conformité, et ce selon plusieurs dimensions de la qualité. De plus les items pour lesquels l'établissement doit être conforme se répètent souvent, d'une norme à une autre, causant ainsi beaucoup de duplications lors de la saisie, l'analyse et la génération de rapports de préparation à l'exercice de conformité. Conçu avec l'aide de l'ancien directeur adjoint de la direction de la Qualité à l'hôpital Sainte-Justine, les besoins ont été exprimés dans cette présentation.

CE QUE NOUS AVONS FAIT

Nous avons fait l'analyse des processus et logiciels utilisés (c.-à-d. Excel) et modélisé une nouvelle base de
données centralisée (à l'aide de la technologie .Net). Par la suite, à l'aide d'une approche de développement
itérative (agile), nous avons planifié la mise en place d'un prototype Web accompagné de tableaux de bord (BI)
pour appuyer les décisions des intervenants. Nous suivons un processus de génie logiciel enseigné à l'ÉTS:

1) conçu et fait approuver un document de vision décrivant les exigences fonctionnelles et non-fonctionnelles;
2) rédigé et fait approuvé un plan de projet;
3) rédigé un SRS (spécifications logicielles), un module d'intelligence d'affaires et mis en place un
environnement de développement suivi d'une architecture technologique et développé un prototype du
logiciel. Voici un exemple du tableau de bord préliminaire pour la direction qualité:

Screen-Shot-2017-02-03-at-1-34-25-PM-(1).png

Screen-Shot-2017-02-03-at-1-34-25-PM-(1).png

Screen-Shot-2017-02-03-at-1-34-42-PM-(1).png

ÉQUIPE D'ÉTUDIANTS M.Y.Tariq, U.Ghomsi, N.Brousseau, R.Chebli, G.Gbelai, D. Boukadi, A. Elmoul

TECHNOLOGIES .Net 4, IIS7, Sql Server 2008 R2, SQL, MDX, XML, SSIS, SSAS, SSRS

CorlabNow

Un tableau de bord, en temps réel, pour la surveillance des traitements des tests sanguins

pour assurer la qualité du laboratoire de l'hôpital juif de Montréal. Ce logiciel permet d'afficher, en temps réel,

l'état de l'attente du traitement des analyses sanguines (c.-à-d. les niveaux de services) en temps réel.

Les échantillons collectés sont acheminés au service de médecine diagnostique. Par la suite une commande

est saisie pour l'analyse. Le panier d'éprouvettes rempli est acheminé à la station de traitement. L'éprouvette est

étiquetté et par la suite elle est traitée par l'équipement diagnostic (voir le processus imagé ci-bas):

DÉFI

Les erreurs humaines et matérielles au cours du processus entrainent un retravail par le technologue MPA. Il n'y
a aucun indicateur de la performance et moyen précis de savoir s'il y a accumulation d'un retard, s'il y est nécessaire
d'ajouter du personnel pour rencontrer les niveaux de services. De plus certains tests doivent impérativement passer
en priorité (par exemple le test de Troponine : atteinte cardiaque à l'urgence).

CE QUE NOUS AVONS FAIT

Conception d'une plateforme de saisie de l'information, en temps réel, et présentation des indicateurs (KPI) permettant d'anticiper
les accumulations de tests avant de prendre du retard, d'avoir une idée claire du volume de travail et de permettre d'effectuer
des analyses sur les données historiques et ainsi permettre une planification précise du comportement du laboratoire.
(présentation au salon du BI)

voir le tableau de bord opérer en temps réel

Screen-Shot-2017-02-03-at-3-09-58-PM-(1).png

Screen-Shot-2017-02-03-at-3-09-58-PM-(1).png

ÉQUIPE D'ÉTUDIANTS D. Lauzon, C. Vallières, P. Herrera, A.Boussif, A.Zakharov, D.Olano, M-A Tardif, P-E Viau, M.Ouellet, P-A St-Jean

TECHNOLOGIES Logiciels libres seulement: HighCharts, WebSockets, Socket.io, Node.js, VirtualBox, Ubuntu

App Mobile: FixMyShoulder/FixMyKnee

J'ai eu plusieurs problèmes d'épaules. George, un physiothérapeute bien connu de Montréal, m'a aidé et maintenant publie des livres spécialisés 1 et 2 en physio.

Ce projet vise le développement d'une application mobile (IOS) pour la physiothérapie George Demirakos.

DEFI
	Réaliser une app mobile déployée sur le app store qui offre des contenus gratuits et payants qui sont alignés avec les livres publiés par George pour la physiothérapie de l'épaule et du genoux.

CE QUE NOUS AVONS FAIT :

Nous avons expérimenté avec beaucoup de technologies. Il y a eu un premier développement d'un cadriciel, CMS, permettant la mise à jour des données pour deux applications (Androïde et IOS) en simultané. Ensuite le développement de deux prototypes d'applications mobile identiques: c.-à-d. une pour IOS et une pour Android: (Itération 1 (IOS):
Julie Vincent, itération 1 (Android et plateforme Web): Mathieu Crochet, Itération 2 (Android et plateforme CMS). Les travaux les plus récents sont le redéveloppement de l'application sur Ionic pour IOS par Quentin Muret.

ÉQUIPE D'ÉTUDIANTS : Q.Muret, J. Vincent, M. Crochet, M.Awada, S Kadi, M. Khalil, M. Mammar, T.Warnant

TECHNOLOGIES : Ionic, Cordova, Angular, JavaScript, Androïde.