Notre recherche et passion

Les interactions entre l'humain, la connaissance, l'information et les données

L’humain et la machine coopèrent. La machine devient intelligente, elle comprend le langage des humains et le sens des concepts qu’elle sait interpréter. Elle sait aujourd’hui communiquer et interagir.  

Notre passion est de travailler sur les interactions entre les humains et les machines, sur les informations et les données échangées et en particulier sur leur sens. Traiter ces données et leur signification permet d’allier la puissance de traitement des machines aux compétences de l’intelligence humaine. 


L'équipe Data

Données, information, connaissance et intelligence artificielle

Les données et l’information sont deux piliers de la médecine en croissance exponentielle. D’immenses quantités de données sont générées à chaque instant et des milliers de nouvelles publications sont indexées chaque jour. La capacité de traduire ces flux informationnels en connaissance pertinente et utilisable est un défi majeur pour améliorer la connaissance médicale, notre compréhension des mécanismes et le développement de nos outils de prévention et de prédiction. Ce processus permet aussi la mise en place de nouvelles approches diagnostiques et thérapeutiques et de la mesure de leurs impacts. 

Toutefois, les données représentent de nombreux défis. En santé et en médecine, elles sont multimodales : constituées de textes, comme des rapports ou des articles scientifiques ; d’images, comme des radiographies, de signaux comme les électrocardiogrammes, de chiffres pour les laboratoires, ou encore de formulaires, pour ne citer que quelques exemples. Elles sont également hétérogènes, car provenant de nombreuses sources différentes. Finalement, elles sont temporelles, car la plupart de ces données varient dans le temps pour une même personne, pour une même population. Elles sont en flux, constamment en mouvement.  

Le travail de l’équipe Data s’organise sur deux grands axes : 

  • La gestion et la représentation de la connaissanceLes représentations conceptuelles, notamment sous la forme de graphes, permettent d’expliciter les interrelations et diverses règles formelles sous-jacentes aux données. Pour se faire, il faut au préalable annoter, labelliser, organiser la connaissance et les métadonnées des sources traitées. Cette organisation de la connaissance en sources de données globalement interopérables, enrichies de métadonnées et de sémantique, permet de créer une sorte de réseau de vérité, une connaissance a priori formelle et fiable. 
  • L'analyse des données et l'intelligence artificielle hybridePour extraire des flux de données de la connaissance et de l’information utilisable, nous utilisons de nombreuses stratégies analytiques et d’apprentissage machine, qu’elles soient formelles, probabilistiques ou algorithmiques. Ceci ayant pour but de soutenir les activités de recherche appliquée et translationnelle, comme par exemple nos travaux sur l’impact des mesures de santé publique sur la pandémie COVID (HUG graphs: voir nos graphs covid et notre publication).

En savoir plus sur l'équipe Data


L'équipe EvaLab

Conception centrée utilisateur, interactions homme-machine et ingénierie des facteurs humains

Nos interactions avec les systèmes digitalisés se renforcent chaque jour : téléphones portables, applications, Internet et autres moyens de visualisation de données. Ces outils sont devenus ubiquitaires et indispensables. 

L'EvaLab s’intéresse particulièrement à comprendre et développer des paradigmes d’interactions adaptés à des contextes précis (hôpital, domicile, …) et à des utilisateurs spécifiques (patients de tout âge, professionnels de santé, décideurs ou citoyens). Ceci implique des approches centrées utilisateurs/trices, plaçant ces derniers au cœur de la démarche de développement pour identifier clairement leurs attentes et capacités afin d’y répondre. La finalité étant de garantir le développement de solutions faciles d’utilisation, efficaces et efficientes.

En savoir plus sur l'équipe EvaLab


Recherche, développement et enseignement

Nouvelle école doctorale en "Life Sciences"

Dans tous ces domaines, nous développons une forte activité de recherche et enseignement, notamment en coordination avec la Faculté de Médecine et la Faculté des Sciences de l’université de Genève, avec un programme structuré de formation qui commence en formation prégraduée pour les bachelor et master en médecine, et l’obtention de doctorats en médecine ou en sciences de la vie, filière « santé digitale et génomique ». Nous organisons également des formations postgraduées et continues, notamment un CAS et un MAS en informatique médicale. 

En savoir plus sur nos programmes d'enseignement