Participants : Monica Crubézy, Sabine Moisan, John van den Elst, Régis Vincent
Mots clefs : planification, traitement d'image, imagerie médicale, représentation de connaissances
Dans le cadre de l'évolution des outils de pilotage de programmes construits dans Orion, nous nous intéressons au problème du traitement de séquences d'images médicales. Les traitements utilisés en imagerie médicale permettent d'extraire des informations qualitatives ou quantitatives, de nature morphologique ou fonctionnelle, à partir (de séquences) d'images médicales issues de différentes techniques (médecine nucléaire, imagerie par résonance magnétique, etc.). Ce type de traitements a pour objectif d'aider le clinicien dans l'élaboration de ses tâches diagnostiques, thérapeutiques ou chirurgicales. Cependant, malgré leur intérêt, la diffusion de ces traitements est restreinte, entre autres à cause de difficultés de mise en oeuvre, dues à leur complexité, à l'impossibilité de définir et d'évaluer tous les scénarios possibles, au nombre élevé de paramètres mis en jeu, à l'absence de souplesse d'adaptation au contexte particulier d'utilisation, ainsi qu'au nombre important de connaissances nécessaires, tant méthodologiques que médicales. Le pilotage de programmes devient nécessaire en traitement d'images médicales, afin de permettre au médecin de se focaliser sur l'interprétation des résultats.
Nous avons mené une première étude en collaboration avec l'unité 66 de l'Inserm. L'objectif est de faciliter le travail du médecin méthodologiste, qui met au point des protocoles d'acquisition et de traitement d'images médicales, en vue d'une utilisation en routine clinique. Il s'est agi d'évaluer l'adéquation de l'outil Ocapi à la représentation et la prise en compte des différents types de connaissances et de raisonnements mis en jeu dans le pilotage de traitements de séquences d'images médicales. Deux principaux points critiques sont apparus dans le modèle d'Ocapi. D'une part, la description des données, qui doit refléter la richesse et la non exhaustivité du domaine médical et d'autre part, le mécanisme de planification et de contrôle d'exécution qui doit respecter la démarche complexe des experts.
Un travail théorique sur la représentation des données complexes manipulées en imagerie médicale s'est basé sur une recherche bibliographique dans le domaine du pilotage de programmes aussi bien que dans le domaine de l'imagerie médicale. Il a abouti à une structuration des données en différents points de vue. Contrairement aux approches présentées par d'autres systèmes de pilotage de programmes, nous proposons une structuration prédéfinie pour les types de données complexes. Notre souci est en effet de guider l'expert dans la construction de sa base de connaissances, en lui fournissant des structures proches des modèles qu'il utilise dans son domaine.
Par ailleurs, le respect de la démarche complexe des experts nécessite que le moteur de pilotage intègre deux types de raisonnement complémentaires : d'abord une décomposition abstraite des étapes importantes de la méthode à appliquer, sans précision des opérateurs primitifs à utiliser ; puis une sélection et une combinaison judicieuse des opérateurs de la bibliothèque pour chacune des étapes du plan abstrait basées sur la description précise des données, des contraintes d'utilisation des opérateurs réels, etc.... Nous proposons une modélisation des concepts nécessaires à un outil de pilotage de programmes pour ce type d'application : stratégie de planification hybride, mêlant planification à base de squelettes et planification partiellement ordonnée, et description des données structurée en différents points de vue. Afin de ne pas se restreindre aux fonctionnalités d'Ocapi, nous avons choisi de travailler avec LAMA . Le modèle général de représentation des données proposé, identifiant cinq points de vue, est en cours d'intégration dans LAMA . Nous avons étendu le langage de spécifications YAKL (3.1.2) en réalisant un analyseur/traducteur de cette extension du langage vers les structures Lisp Objet correspondantes.
Une application particulière a servi de validation : le ``suivi de chimiothérapie sur osteosarcome'' par une méthode d'analyse factorielle de séquences d'images (AFSIM), développée par l'unité Inserm 66. Nous avons construit une base de connaissances pour le pilotage de ces traitements, à partir de cas réels d'utilisation, grâce au langage d'expression des connaissances étendu [6].