Professeur Patrice Degoulet

Réutilisation des données d’un Système d’Information
Clinique (SIC)
Professeur Patrice Degoulet
Faculté Paris Descartes & HEGP
Ecole d’Eté Systèmes d’Information
en Santé
Corte 15-19 juillet 2013
La réutilisation des données
1. 
2. 
3. 
4. 
Contexte
Principes
Applications
Conclusion
Réutilisation des donnés
Maturité IT
Stage 1
Basic HIS
•  Patient Registration /
Inpatient Admission
Discharge & Transfer
•  Patient Billing and
Accounts Receivable
•  HRIS / Payroll
•  General Ledger /
Financial Reporting
•  Purchasing / Accounts
Payable
Stage 2
Advanced HIS
•  Electronic Claims
Submission
•  Electronic Payment
Processing
•  Inventory, Supply
Requisitioning and
Distribution
•  Basic Order
Communications
•  Email
•  Internet Access
•  Intranet
Réutilisation
©  IDC Health Industry Insights 2007
Stage 3
Advanced HIS
Core Clinicals
•  Laboratory
Information System
•  RIS/Radiology
Results Reporting
•  PACS
•  Pharmacy
•  Operating Room
Scheduling and
Management
Stage 4
Digital Hospital
•  Patient Appointment
Scheduling
•  Computerized
Physician Order
Entry
•  Nursing
Documentation
•  Emergency
Department
Management
•  Inpatient Electronic
Medical Record
(EMR)
•  Ambulatory EMR
•  Enterprise Master
Patient Index
•  Location-based
services
•  Physician Portal
•  Wireless
Infrastructure
•  Patient Portal
Stage 5
Digital Virtual
Enterprise
•  Secure Email
(Provider-Provider/
Provider-Patient)
•  Participation in
Regionalized Patient
CDR
•  Home Health Case
Management
•  Remote Patient
Monitoring/
Telemedicine
•  Clinical Data
Repository/ Data
Warehouse
-  Protocoles basés sur des
questionnaires structurés
-  Prise en charge complète du
circuit thérapeutique
-  PACS complet
-  Protocoles multimodaux
-  Aide à la décision (protocoles)
-  Transmissions, pancartes
-  Prescriptions bio, images, méd
-  Aide à la décision
-  Accès images hors radiologie
-  Dictionnaire deDIconcepts
-  Dossier patient (bio, CRH/CRO)
- Alertes élémentaires
Réutilisation
Réutilisation
United States EMR Adoption Model S M
Stage
Cumulative Capabilities
2008 Q4
2012 Q4
0,3%
1,9%
0,5%
8,2%
Stage 5 Closed loop medication administration
2,5%
14,0%
Stage 4 CPOE, Clinical Decision Support (clinical protocols)
2,5%
14,2%
Stage 3
Nursing/clinical documentation (flow sheets), CDSS
(error checking), PACS available outside Radiology
35,7%
38,3%
Stage 2
CDR, Controlled Medical Vocabulary, CDS, may have
Document Imaging; HIE capable
31,4%
10,7%
Stage 1 Ancillaries - Lab, Rad, Pharmacy - All Installed
11,5%
4,3%
Stage 0 All Three Ancillaries Not Installed
15,6%
8,4%
N = 5319
N = 5458
Complete EMR; CCD transactions to share data; Data
warehousing; Data continuity with ED, ambulatory, OP
Physician documentation (structured templates), full
Stage 6
CDSS (variance & compliance), full R-PACS
Stage 7
Data from HIMSS Analytics® Database ©2012
La réutilisation des données
1. 
2. 
3. 
4. 
Contexte
Principes
Applications
Conclusion
IT infrastructure for reuse
Healthcare
Professionals
Patients
R
e
s
e
a
r
c
h
1
Dossier
Dossier
Electronic
patient
patient
Health
Record
informatisé
informatisé
6
2
Semantics
Terminologies
Ontologies
Literature
Articles
Documentation
Decision
support systems
5
(EHR)
Disease-oriented
Databases
Registries
Clinical Trials
Databases
C
a
r
e
An IT Framework
Clinical Data
Warehouse
(CDW)
Heterogeneous
data integration
3
Knowledge bases
EBM sources
4
Diagnostic,
predictive,
therapeutic
models
Analytical
processing (OLAP),
Data Mining (OLAM)
Infrastructure de réutilisation
Environnement évaluation/
recherche
Environnement de
production
SIC :
Base
opérationnelle
Requêtes en temps réel
Entrepôts de données cliniques
Suite ETL
SIC :
Base
miroir
Entrepôt de
données
cliniques
(EDC)
Data Analysis
Data Mining
Bases de
données
externes
CDW Platforms
Infrastructure de réutilisation
•  Plateforme de support de la recherché translationnelle
•  Initiée en 2008 par Johnson & Johnson et Recombinant
•  “Open-source” depuis janvier 2012
-­‐ tranSMART [Internet]. [cited 2013 Jan 16]. Available from: hBp://www.transmartproject.org/ -­‐ Szalma S, Koka V, Khasanova T, Perakslis ED. EffecRve knowledge management in translaRonal medicine. J Transl Med. 2010; 8:68. CDW platforms
“Omics” data integration
http://www.transmartproject.org
!
The TranSMART integration
process
http://www.transmartproject.org
La réutilisation des données
1.  Contexte
2.  Principes
3.  Applications
•  Environnement de l’HEGP
•  Alimentation des registres
•  Réutilisation pour les essais cliniques
•  Entrepôts de donnés
4.  Conclusion
Situation HEGP (T3 2013)
Maturité IT
Stage 1
Basic HIS
•  Patient Registration /
Inpatient Admission
Discharge & Transfer
•  Patient Billing and
Accounts Receivable
•  HRIS / Payroll
•  General Ledger /
Financial Reporting
•  Purchasing / Accounts
Payable
Stage 2
Advanced HIS
•  Electronic Claims
Submission
•  Electronic Payment
Processing
•  Inventory, Supply
Requisitioning and
Distribution
•  Basic Order
Communications
•  Email
•  Internet Access
•  Intranet
2000-2011
2009-2013
©  IDC Health Industry Insights 2007
Stage 3
Advanced HIS
Core Clinicals
•  Laboratory
Information System
•  RIS/Radiology
Results Reporting
•  PACS
•  Pharmacy
•  Operating Room
Scheduling and
Management
Stage 4
Digital Hospital
•  Patient Appointment
Scheduling
•  Computerized
Physician Order
Entry
•  Nursing
Documentation
•  Emergency
Department
Management
•  Inpatient Electronic
Medical Record
(EMR)
•  Ambulatory EMR
•  Enterprise Master
Patient Index
•  Location-based
services
•  Physician Portal
•  Wireless
Infrastructure
•  Patient Portal
Stage 5
Digital Virtual
Enterprise
•  Secure Email
(Provider-Provider/
Provider-Patient)
•  Participation in
Regionalized Patient
CDR
•  Home Health Case
Management
•  Remote Patient
Monitoring/
Telemedicine
•  Clinical Data
Repository/ Data
Warehouse
HEGP
AP-HP EDP
Cognos
Système de Pilotage
- médico-économique
- qualité
Communication
Système d’Information
Logistique
- gestion des ressources
- approvisionnements
Système d’Information
Clinique
- dossier patient
- gestion des actes
HEGP
Entrepôt de données cliniques (2009-)
Environnement évaluation/
recherche
Environnement de
production
SIC :
Base
opérationnelle
Suite ETL (Talend Open Studio)
SIC :
Base
miroir
Entrepôt de
données
cliniques
(EDC)
I2B2 DW
Requêtes en temps réel
Data Analysis
Data Mining
Bases de
données
externes
R, SAS
I2B2 Client
Business Object
IBM Ilog Rules
HEGP BDW
I2b2 + tranSMART data sources
Health care
Clinical Research
Health Information System
Browser and Analysis
tools available
for MD & Pharm
DRG
Biology
Imaging
Rx
i2b2
CDW
Structured data
from research
studies
tranSMART
+’omics
ETL
Pathology
BDW
ETL
EHR reports
ETL once a week
EHR forms
‘omics data
La réutilisation des données
1.  Contexte
2.  Principes
3.  Applications
•  Environnement de l’HEGP
•  Alimentation des registres
•  Réutilisation pour les essais cliniques
•  Entrepôts de données
4.  Conclusion
IT infrastructure & bioclinical research
Healthcare
Professionals
Patients
1
Electronic
Health Record
(EHR)
2
Disease-oriented
Databases
Registries
Clinical Trials
Databases
Clinical Data
Warehouse
(CDW)
Heterogeneous
data integration
External Registries
6
Decision
support systems
Semantics
Terminologies
Ontologies
Literature
Articles
Documentation
3
5
Knowledge bases
EBM sources
4
Diagnostic,
predictive,
therapeutic
models
Analytical
processing (OLAP),
Data Mining (OLAM)
Registries
DEBUG-IT : Detecting and Eliminating
Bacteria UsinG Information Technology
(2008-2011, 11 partners, 7 European Countries)
La réutilisation des données
1.  Contexte
2.  Principes
3.  Applications
•  Environnement de l’HEGP
•  Alimentation des registres
•  Réutilisation pour les essais cliniques
•  Entrepôts de données
4.  Conclusion
Clinical Research : Trials,
evaluation studies
IT infrastructure & bioclinical research
Healthcare
Professionals
Patients
1
Electronic
Health Record
(EHR)
2
Disease-oriented
Databases
Registries
Clinical Trials
Databases
Clinical Data
Warehouse
(CDW)
Heterogeneous
data integration
6
Decision
support systems
Semantics
Terminologies
Ontologies
Literature
Articles
Documentation
3
5
Knowledge bases
EBM sources
4
Diagnostic,
predictive,
therapeutic
models
Analytical
processing (OLAP),
Data Mining (OLAM)
Clinical Research Integration
Medasys CDISC Mediator
(IHE/RIFD profile)
ODM MetaData
ODM Study
Design
DxPort
EHR
EDC
system
•  Automatic data export
•  Input of missing information
DxCare (Medasys ©) HL7
DxConnect
•  Data
validation
Marvin (XClinical©) CDISC
Adapted from N.El Fadly, D.Ouagne & C.Daniel
Clinical Research Integration
eCRF & EHR : inclusion criteria
Arcadia Project
Clinical Research Integration
eCRF & EHR : clinical data capture
Essais cliniques et réutilisation
Conclusions intermédiaires
•  Bénéfices d’une approche intégrée
–  Une seule saisie dans le dossier patient, des utilisations multiples (soins,
recherche)
–  Garantie pour le patient de prise en charge de la totalité de ses problèmes
(e.g., iatrogénie)
–  Intérêt pour l’industriel d’un accès aux données sources (ex. biologie,
imagerie)
•  Limites
–  Résistance des médecins (changement des relations médecins/industriels vers
médecins/hôpital/industriels)
–  Résistance des industriels
ü adaptation des circuits de données à chaque environnement hospitalier
ü adaptation des procédures de contrôle de qualité
La réutilisation des données
1.  Contexte
2.  Principes
3.  Applications
•  Environnement de l’HEGP
•  Alimentation des registres
•  Réutilisation pour les essais cliniques
•  Entrepôts de données
4.  Conclusion
IT infrastructure & bioclinical research
Healthcare
Professionals
Patients
1
Electronic
Health Record
(EHR)
2
Disease-oriented
Databases
Registries
Clinical Trials
Databases
Clinical Data
Warehouse
(CDW)
Heterogeneous
data integration
EHR/CDW integration
6
Decision
support systems
Semantics
Terminologies
Ontologies
Literature
Articles
Documentation
3
5
Knowledge bases
EBM sources
4
Diagnostic,
predictive,
therapeutic
models
Analytical
processing (OLAP),
Data Mining (OLAM)
IT infrastructure & bioclinical research
DW
Clinical CDW
EHR/CDW integration
EHR
A subject-oriented,
integrated,
time-variant, and
nonvolatile
collection of data
Patient-oriented
from heterogeneous sources
time-variant
permanent
in support of
management
decisions
in support of management
in support of
decision & knowledge discovery individual decision
[Inmon WH. Building a Data
Warehouse. John Wiley & Sons, 1996
Patient
from heterogeneous sources
longitudinal
permanent
Structures
HEGP hospital
Biobank
Translational research building
Information system
ADT, EHR, CPOE, Appoint.
CDW (i2b2)
CDW (i2b2+tranSMART)
IT committees
IT Governance/IT committee
Ethical/research committee
Institution Review Board (IRB)
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
HEGP
Bio-banque (2008-)
EDC HEGP
Droits d’accès
•  Etudes niveau 1 : Données agrégées (e.g., recrutement
potentiel dans les essais thérapeutiques)
Ø  Accès libre pour tous les professionnels de santé de l’HEGP
•  Etudes niveau 2 et 3 : Accès aux données individuelles des
patients
Ø  Projet structure écrit
Ø  Evaluation/validation par le comité de la recherche d’HEGP
(X. Jeunemaitre)
Ø  Transmission au comité IRB Ile de France (C. Hervé)
Ø  Niveau 2 : données patients anonymisées
Ø  Niveau 3 : données nominatives
HEGP CDW
EHR/CDW integration : concept dimension
CIS Reference manager
ETL tools
I2B2 Concept dimension
HEGP CDW
Data sources mapping to CDW
Zapletal E, Rodon E, Grabar N, Degoulet P. Methodology of integration of a clinical data warehouse with
a clinical information system. Stud Health Technol Inform. 2010; 160 (Pt 1): 193-7.
EHR/CDW integration : anonymization
HEGP CDW
(EHR)
Talend Open Studio
DEID
Zapletal E, Rodon E, Grabar N, Degoulet P.
Methodology of integration of a clinical
data warehouse with a clinical information
system. Stud Health Technol Inform. 2010;
160 (Pt 1): 193-7.
(CDW)
CDW content
Dimensions
i2b2 CDW content (December 2012)
Categories
Patient
Concept
dimension
Numbers
606 524
ICD10 classification
Laboratory results classification
Drug classification (ATC)
EHR forms concepts
Observation facts ICD10 Diagnosis
21 356
8 272
33 612
5 950
2 626 792
Laboratory results
88 607 301
Drug prescriptions
EHR forms items
2 612 742
Text reports
46 506 217
1 961 985
EDC
Applications
1.  Recherche guidée par les données patients (réutilisation des
données des dossiers patients)
–  Sélection de patients pour les études de recherche clinique (e.g., EHR4CR)
–  Augmentation phénotypique (e.g., enrichissement d’une étude de recherche
clinique avec les données du dossier patient)
–  Evaluation in-silico de règles de décision clinique
–  Fouille de données et génération d’hypothèses
2.  Intégration Génotypes/Phénotypes
–  Recherche/validation de biomarqueurs
–  « Genome/Phenome Wide Association Studies » (GeWAS/PheWAS)
–  Médecine personnalisée
Augmentation phénotypique
- Kohane IS. Using electronic health records to drive discovery in
disease genomics. Nature Reviews Genetics. 18 mai 2011;12(6):
417‑428.
- Pates RD, Scully KW, Einbinder JS, Merkel RL, Stukenborg GJ,
Spraggins TA, et al. Adding value to clinical data by linkage to a
public death registry. Stud Health Technol Inform. 2001;84(Pt 2):
1384‑1388.
Variables
•  Appariement entre :
–  Dossier patient informatisé
–  Etude de cohortes, essai cliniques, registres
•  Pour permettre un enrichissement des données :
–  Dans le temps
–  Nouvelles variables
–  Nouveaux patients
s
Temp
Patient
s
Augmentation phénotypiques : cancers ORL
Objectif : Evaluer la faisabilité de l’augmentation phénotypique d’une étude publiée
à partir des données de dossiers patients informatisés de l’HEGP :
•  Etude sur 64 patients atteints de cancers ORL suivis entre 2004 et 2010 déjà
publiée Allongement du temps de suivi
•  Description des variables disponibles pour l’enrichissement, puis sélection et
intégration de celles pertinentes à intégrer
Participation à l'étude
Type de données
Décès
Statut vital
Données
cliniques
Diagnostic
Récidive loco-régionale
Biologie
Anatomopathologie
Réintervention
Traitement
Dossier patient informatisé
Visites de suivi
Etude Cancers ORL
[Fabien Joubert, Mémoire Master IBM 2013]
Résultats – Description des variables dans l’EDC
pour les patients de l’étude
Période de l’étude
Cancers ORL
Avant
Type de données
Démographiques
Données vitales (température, PA, poids,…)
Codes diagnostiques (CIM10)
Actes (codes CCAM)
Données cliniques (questionnaires DxCare)
Comptes rendus (consultation, hospitalisation, opératoires)
Anatomopathologie (comptes rendus, codes ADICAP)
Résultats de biologie
Prescriptions (hors chimiothérapie)
Patients uniques
-­‐
-­‐
Patients uniques
64
2
249
7
41
Après
64
Patients uniques
-­‐
18
696
5
697
53
151
64
64
3 151
3 818
12
36
290
464
32
1 658
63
21 240
29
6 289
51
109
64
1 991
41
334
2
15
64
1 086
11
118
55
3 745
64
30 422
25
5 378
1
51
8
71
5
198
Instances
Instances
Instances
[Fabien Joubert, Mémoire Master IBM 2013]
-­‐
[Fabien Joubert, Mémoire Master IBM 2013]
EDC
Applications
1.  Recherche guidée par les données patients (réutilisation des
données des dossiers patients)
–  Sélection de patients pour les études de recherche clinique (e.g., EHR4CR)
–  Augmentation phénotypique (e.g., enrichissement d’une étude de recherche
clinique avec les données du dossier patient)
–  Evaluation in-silico de règles de décision clinique
–  Fouille de données et génération d’hypothèses
2.  Intégration Génotypes/Phénotypes
–  Recherche/validation de biomarqueurs
–  « Genome/Phenome Wide Association Studies » (GeWAS/PheWAS)
–  Médecine personnalisée
CIS use
In vivo evaluation of decision rules (EHR)
Rate of inappropriate prescriptions
6 alternating 2-month phases: control vs. intervention (Aug. 2006- Aug. 2007)
Physicians
Junior
Senior
p
Alerting off
21.5%
20.9%
p=0.88
Total
21.3%
Alerting on
16.3%
29.3%
p=0.01
p
19.9%
0.63 (NS)
Sellier E et al. Effect of alerts for drug dosage adjustments in
inpatients with renal insufficiency. JAMIA 2009; 16:203-10.
Applications des EDC
Evaluation in-silico
des règles de décision
•  Validation médicale/pharmaceutique des prescriptions de
médicaments
•  Source de données cliniques (SIC)
ü Prescriptions médicales (DxCare)
ü Validation des prescriptions médicales (DxCare)
–  Concepts (SIC/EDC) =
ü Classification ATC des médicaments (n= 33,000 concepts)
ü Local classification locale des codes de validation des
pharmaciens
–  Observations (EDC) =
ü Prescriptions médicales et validations des pharmaciens
CDW applications
In-silico evaluation of decision rules
Development and optimization of
clinical decision rules for dosage
adjustment of « renal function
dependent » drugs
Boussadi A, Caruba T, Zapletal E, Sabatier B, Durieux P, Degoulet P. A clinical data warehouse–
based process for refining medication orders alerts. J Am Med Inform Assoc 2012; 19(5): 782-5
CDW applications
In-silico evaluation of decision rules (CDW)
Initial set
(CPOE vn)
Suppressed : 45 (16.1%)
Final set
(CPOE vn+1)
280 rules
(10 drugs)
Modified : 105 (37.5%)
371 rules
(10 drugs)
Added : 136 (48.2%)
Boussadi A, Caruba T, Zapletal E, Sabatier B, Durieux P, Degoulet P. A clinical data warehouse–
based process for refining medication orders alerts. J Am Med Inform Assoc 2012; 19(5): 782-5
EDC
Applications
1.  Recherche guidée par les données patients (réutilisation des
données des dossiers patients)
–  Sélection de patients pour les études de recherche clinique (e.g., EHR4CR)
–  Augmentation phénotypique (e.g., enrichissement d’une étude de recherche
clinique avec les données du dossier patient)
–  Evaluation in-silico de règles de décision clinique
–  Fouille de données et génération d’hypothèses
2.  Intégration Génotypes/Phénotypes
–  Recherche/validation de biomarqueurs
–  « Genome/Phenome Wide Association Studies » (GeWAS/PheWAS)
–  Médecine personnalisée
La prise simultanée de 2 médicaments entraîne-t-elle
une insuffisance rénale aigüe lorsque la prise d’un
seul de ces médicaments n’en entraîne pas ?
Un exemple de Data Driven Research à partir des données de
l’entrepôt de données cliniques de l’HEGP
Dr Yannick Girardeau
Encadrant : Dr Paul Avillach
Co-encadrant : Dr Pierre Durieux
- Biomedical informatics and public health department, University Hospital HEGP, AP-HP, Paris, France
- INSERM UMR_S 872 team 22 : Information Sciences to support Personalized Medicine, Université
Paris Descartes, Sorbonne Paris Cité, Faculté de médecine, Paris, France
49
Entrepôt de Données Cliniques de l’HEGP
Activité de
soins
Anonymisation
EDC
Créatinine
Exposition
50
Co-prescription et Insuffisance Rénale aigüe
FOREST PLOT
45 couples classés
par ORa
décroissants. RIFLE
= Risk
ORa
52
EDC
Applications
1.  Recherche guidée par les données patients (réutilisation des
données des dossiers patients)
–  Sélection de patients pour les études de recherche clinique (e.g., EHR4CR)
–  Augmentation phénotypique (e.g., enrichissement d’une étude de recherche
clinique avec les données du dossier patient)
–  Evaluation in-silico de règles de décision clinique
–  Fouille de données et génération d’hypothèses
2.  Intégration Génotypes/Phénotypes
–  Recherche/validation de biomarqueurs
–  « Genome/Phenome Wide Association Studies » (GeWAS/PheWAS)
–  Médecine personnalisée
Adapted from [McCarthy et al, Nature Reviews Genetics, 2008 / Denny et al, Bioinformatics 2010]
% Of Subjects Per
0.5 Units of Activity
TPMT: activity distribution (genetically dependent trait)
298 Unrelated Adults
TPMTH/TPMTH
wild/wild 10
TPMTL/TPMTH
mutant/wild 5
L/TPMTL
TPMT
mutant/mutant 0
0
5
10
15
20
TPMT Activity, Units/ml RBC
Lennard, Therapeu-c drug monitoring of an-metabolic cytothoxic drugs, Bri-sh journal of Clinical Pharmacology 2001 Low TMTP value after thiopurine administration
Neuraz A, Avillach P et al.
HEGP CDW use
i2b2 CDW queries (Jan. 2011-Dec. 2012)
•  170 MD + Pharmacists trained
•  1864 type 1 requests
CDW use
Type 2/3 project (Jan. 2011-Dec. 2012)
•  i2b2 projects
–  39 submitted projects
–  19 accepted projects
•  i2b2 + tranSMART
–  3 submitted projects
–  3 accepted projects
La réutilisation des données
1. 
2. 
3. 
4. 
Définitions
Principes
Applications
Conclusion
Réutilisation des données des SIC
Conclusion (1)
Etat actuel
•  Le développement des entrepôt de données (bio)cliniques est au
cœur de la réutilisation des données
•  Les outils (open-source) existent pour construire rapidement les
environnements techniques nécessaires
–  dictionnaires de concepts cliniques et omiques,
–  outils d’extraction/transformation
–  modèles de stockage « ouverts »
–  outils d’interrogation
Réutilisation des données des SIC
Conclusion (1)
Bénéfices de l’approche
•  L’utilisation de modèles dédiés permet de s’affranchir de la
complexité des modèles des systèmes de production
•  Le chaînage inhérent au SIC se retrouve dans les EDC
•  Les procédures d’anonymisation inhérentes aux outils des EDC
deviennent transparentes
•  Granularité faible pour les données cliniques et/ou d’investigation
•  La disponibilité des données est à l’origine de cercles vertueux au
niveau des professionnels (ex. Amélioration des questionnaires
structures)
Réutilisation des données des SIC
Conclusion (3)
Limites de l’approche
•  Biais de constitution des cohortes (hospitalières)
•  La couverture s’arrête aux frontières des dictionnaires de concepts
et des structures concernées
Perspectives
•  Extension phénotypique hors domaine hospitalier couvert (e.g.,
mortalité, réhospitalisations)
•  Intégration d’un coût de stockage des échantillons et des données
secondaires qui seront générées
•  Développement d’outils d’intégration sémantique pour les données
omiques
Acknowledgments
Informatics &
Public Health Dept.
Anita Burgun, MD-PhD
Pierre Durieux, MD-MSc
Eric Zapletal, PhD
Pharmacy
Pr. Patrice Prognon
Brigitte Sabatier
Students
Vincent Canuel, MD
Yannick Girardeaux, MD
Fabien Joubert, MD
Antoine Neuraz, MD
Industrials
www.medasys.com
www.i2b2.org
www.transmartproject.org
www.recomdata.com
Contact :
[email protected]