Cette page a été traduite automatiquement et pourrait contenir des erreurs
DHIS2 & AI
Découvrez les possibilités de renforcer l’efficacité, d’améliorer la qualité et l’utilisation des données, de tirer parti d’approches de modélisation prédictive de pointe – et plus encore – en utilisant des outils innovants d’intelligence artificielle et d’apprentissage automatique avec DHIS2.
Aller à une section sur cette page
Améliorer le DHIS2 avec des outils d'IA
En tant que plateforme bien établie pour la collecte, la gestion et l’analyse des données, utilisée dans plus de 100 pays, le DHIS2 offre de nombreuses possibilités intéressantes pour tirer parti de l’IA afin d’améliorer l’efficience et l’efficacité des programmes qu’il sert à soutenir, que ce soit dans les domaines de la santé, de l’éducation, de la logistique ou dans d’autres secteurs.
Dans le cadre du projet DHIS2 Climate & Health, nous avons développé des outils de pointe pour la modélisation prédictive basée sur l’apprentissage automatique dans DHIS2 : l’application de modélisation DHIS2 et la plateforme de modélisation Chap. Au-delà, notre approche consistant à concevoir le DHIS2 comme une plateforme interopérable et extensible avec des composants réutilisables et une API entièrement ouverte facilite l’innovation externe à l’aide d’outils d’IA largement disponibles. Il existe de nombreuses innovations DHIS2 améliorées par l’IA qui ont été déployées dans les pays où DHIS2 est utilisé, et dont beaucoup ont été partagées avec la communauté DHIS2 mondiale.
Sur cette page, vous pouvez en apprendre davantage sur le potentiel de l’IA dans DHIS2 et explorer une sélection d’innovations DHIS2 améliorées par l’IA. Le domaine de l’IA évolue rapidement. Aider les pays à exploiter efficacement l’IA est un élément central de la stratégie du HISP UiO, et nous prévoyons de mettre à jour cette page avec de nouveaux outils et de nouvelles ressources au fur et à mesure de leur développement.
Améliorez les prévisions et les avertissements précoces grâce à la modélisation prédictive alimentée par l'apprentissage automatique.
Grâce à l’application de modélisation DHIS2 et à la plateforme de modélisation Chap, les utilisateurs ont accès à une suite flexible de fonctionnalités de modélisation prédictive directement dans DHIS2. Ces outils permettent d’accéder aux modèles prédictifs, de les importer, de les former, de les mettre au point, de les exécuter, de les évaluer et de les partager. Grâce à l’appli Modélisation, vous pouvez générer des prévisions basées sur le(s) modèle(s) que vous avez sélectionné(s), en utilisant à la fois les données de santé de votre système DHIS2 et les données climatiques, météorologiques et environnementales qui sont disponibles via l’appli Climat de DHIS2. Ces outils sont principalement conçus pour soutenir l’analyse et l’avertissement précoce pour les maladies sensibles au climat, mais peuvent également être appliqués à d’autres cas d’utilisation, en soutenant les approches de veille sanitaire. Ces nouveaux outils sont actuellement en phase expérimentale et font l’objet de tests et de développements itératifs basés sur le retour d’information du monde réel.
Faciliter l'exploration des données à l'aide de requêtes en langage naturel
Avec l’appli AI Insights pour DHIS2, développée par la Fédération internationale des sociétés de la Croix-Rouge et du Croissant-Rouge (FICR), vous pouvez analyser les données de santé de DHIS2 à l’aide de requêtes en langage naturel. Les professionnels de la santé, les analystes de données et les décideurs peuvent poser des questions en langage clair afin d’identifier les tendances, de comparer les performances des différentes unités de l’organisation et de générer des informations exploitables à partir de leurs données.
L’application Convo pour DHIS2, développée par BAO systems, vous permet de poser des questions sur vos données en langage naturel et de voir des visualisations, des tableaux et des interprétations être créés automatiquement à l’aide de l’IA, aidant ainsi les utilisateurs à donner du sens à leurs données et à prendre des mesures.
Améliorer la saisie des données grâce à la reconnaissance textuelle et vocale
Avec AI Data Entry, développé par SolidLines, vous pouvez vous passer de la saisie manuelle des données dans DHIS2. Téléchargez simplement des photos ou des fichiers audio, et laissez l’IA extraire et valider les données automatiquement grâce à des pipelines de traitement intelligents.
Résoudre les problèmes de qualité des données grâce à la détection des valeurs atypiques et à la correction statistique.
L’application Magic Glasses 2, développée par John Painter des CDC américains, est un outil qui comprend des fonctionnalités permettant d’améliorer la qualité des données et de soutenir l’évaluation des programmes de santé. Il fournit des fonctionnalités basées sur des algorithmes pour traiter les problèmes de qualité des données, tels que la détection automatique des valeurs atypiques potentielles et l’utilisation de techniques statistiques pour ajuster les valeurs rapportées afin de contrôler les variables connexes. Il soutient également l’évaluation et l’utilisation de divers modèles de séries temporelles pour prévoir des scénarios contrefactuels (par exemple, à quoi aurait ressemblé la courbe d’une épidémie si une intervention programmatique n’avait pas été menée), ce qui permet d’évaluer l’impact de l’intervention.
Rationaliser l'examen des données grâce à l'automatisation des processus algorithmiques
Le ministère tanzanien de la santé a introduit un outil de triage des alertes basé sur l’IA, développé par le laboratoire DHIS2 de l’UDSM, dans son système de surveillance basé sur les événements pour les maladies sujettes aux épidémies, réduisant le temps moyen de triage pour la majorité des alertes soumises de 36 heures à une quasi-instantanéité. Au cours des premiers mois de son déploiement, le système a traité avec succès 85 % de l’arriéré de plus de 15 000 rapports.
Améliorez la cartographie des métadonnées, le nommage et la détection des conflits grâce à l'IA générative.
L’IA générative peut aider les utilisateurs à structurer et à gérer les métadonnées dans DHIS2, améliorant ainsi la convivialité et l’interopérabilité du système.
- Suggérer des correspondances de données : Accélérer la mise en correspondance sémantique pour des solutions interopérables en utilisant de grands modèles de langage (LLM) pour comparer les noms de champs, les listes de codes et les descriptions d’un système source aux métadonnées DHIS2 et proposer la meilleure correspondance.
- Détection des conflits syntaxiques/sémantiques : Résoudre les conflits, par exemple entre des éléments de données ayant la même signification, des indicateurs cartographiés deux fois sous des noms légèrement différents, etc.
- Conventions de dénomination et maintenance des métadonnées : Veillez à ce que les métadonnées du DHIS2 restent propres et utilisables en suggérant des noms d’éléments de données basés sur des descriptions et des conventions (par exemple, préfixes de zones de santé, codes de pays).
Accélérer le développement de l'application DHIS2 grâce aux outils d'IA
De nombreux outils d’IA sont disponibles pour aider les développeurs à créer de nouvelles applications. L’équipe chargée des relations avec les développeurs de DHIS2 a partagé une présentation pour aider les développeurs d’applications DHIS2 à tirer parti de ces outils.
Partagez vos questions et vos innovations en matière d'IA avec la communauté DHIS2.
Rejoignez la discussion sur l’IA & DHIS2 sur notre Communauté de Pratique, où vous pouvez poser des questions, partager des idées et des approches, et découvrir le travail innovant effectué dans notre communauté mondiale.
Engagement pour une IA éthique
Le développement et la mise à jour de ces solutions d’IA pour DHIS2 se font à un rythme rapide. Le Centre HISP de l’université d’Oslo (HISP UiO), qui développe et entretient le DHIS2, et le réseau mondial HISP qui soutient les systèmes nationaux DHIS2 s’emploient activement à aider les pays à tirer parti de ces technologies. Cette innovation rapide s’accompagne de préoccupations concernant l’utilisation éthique, la transparence et la propriété. Le HISP UiO reste guidé par les principes de propriété dans le pays des systèmes d’information et des données. Nous participons activement à TRUST : le centre norvégien pour une IA digne de confiance, et nous nous engageons à soutenir l’adoption éthique de l’IA. en mettant l’accent sur la transparence, la gouvernance, l’évaluation et l’atténuation des risques, la minimisation des préjugés et l’optimisation de l’équité et de la justice.