Académique Documents
Professionnel Documents
Culture Documents
** LIUPPA/Département d’informatique
IUT Bayonne, 64600, Anglet–France
{Sebastien.Laborie , Philippe.Roose} @iutbayonne.univ-pau.fr
RÉSUMÉ. Actuellement, les applications mobiles ont été largement utilisées dans divers domaines ;
médicaux et sociaux. Les applications médicales ubiquitaires ont pour objectif d’accompagner les
patients à tout moment, en tout lieu et en toute circonstance. Cette ubiquité dans l’usage se
réalise via des périphériques variés comme les ordinateurs portables, les tablettes, les
Smartphones, les smart-tv, etc. Cela soulève, entre autre, des problèmes liés à l’hétérogénéité des
contenus (documents, données, flux de données ou autre données liées aux services), aux
terminaux (équipement utilisateur ou capteurs domestiques), aux besoins des utilisateurs et leurs
contextes d’utilisation, les modes d’interactions possibles. Dans cet article, nous nous focalisons
particulièrement sur les applications médicales mobiles sensibles aux contextes et nous
proposons une architecture basée ontologies, qui fournit des services sémantiquement équivalents
et appropriés au contexte spécifique d’un personne par des règles d’inférences. Afin de valider
notre proposition, nous avons utilisé le Web sémantique, Cloud et l’intergiciel Kalimucho pour la
spécification et l’expérimentation des profils OWL des patients sur plusieurs plates-formes.
ABSTRACT. Currently, everybody wish to access to applications from a wide variety of devices
(PC, Tablet, Smartphone, Set-top-box, etc.). At home, users interact with many devices and get
access to many multimedia oriented documents (hosted on local drives, on cloud storage, online
streaming, etc.) in various situations with multiple (and sometimes at the same time) devices. The
diversity and heterogeneity of users profiles and service sources can be a barrier to discover the
available semantic equivalent services with different QoS that can come from anywhere from the
home or the city. We particularly focus on context-aware mHealth applications and propose an
ontologies-based architecture, which provides adapted services that help users to broadcast of
multimedia documents and their use with interactive services in order to help in maintaining old
people at home and achieving their preferences. In order to validate our proposal, we have used
Semantic Web, Cloud and Kalimucho middleware by specifying some OWL profiles and
experiment their usage on several platforms.
MOTS-CLÉS : e-Santé, Cloud, profil, sensibilité au contexte, service intelligent, Inférence.
KEYWORDS: mHealth, Cloud; Profile; Context-aware; Smart Service, Inference
1. Introduction
Actuellement, les applications mobiles ont été largement utilisées dans divers
domaines ; médicaux et sociaux. Les applications médicales ubiquitaires ont pour
objectif d’accompagner les patients à tout moment, en tout lieu et en toute
circonstance. Cette ubiquité dans l’usage se réalise via des périphériques variés
comme les ordinateurs portables, les tablettes, les Smartphones, les smart-tv, etc.
Ceci a incité les développeurs à intégrer dans leurs applications médicales, des
nouvelles technologies tels que le web sémantique et le cloud pour exprimer
de manière formelle des informations sémantiques sur les données, pour qu'elles
puissent être exploitées par les appareils mobiles et l’intergiciel qui assure
l’exécution des services sur les terminaux et/ou leur redéploiement sur le Cloud.
L’un des problèmes majeurs de ce type d’application est l’adaptation autonomique
sémantique des services aux contextes d’usages.
En effet, à domicile, la variété des situations et de contextes dans lesquelles
interagissent les patients sont variés et pour la plupart manipulent des contenus
orientés multimédia provenant de sources variées (locales, cloud, etc.). Cet accès est
réalisé en utilisant des terminaux aux caractéristiques physiques et d’interactions
différentes (Smartphones, téléviseurs standards ou Smart TV, ordinateurs, tablettes,
Set-topboxes, etc.). Dans le domaine d’e-health qui nous intéresse plus
particulièrement ici, l’usage de services différents à partir de périphériques selon des
scénarios mouvants qui affectent à la fois la présentation des informations mais
également les services accédés ainsi que les différentes interactions dont l’usager
peut et doit disposer. Il y a un manque criant de méthodes permettant aux usagers
d’identifier et d’accéder aux services de manière automatique et optimale.
Dans ce modèle de système, une adaptation de l’application à un ensemble
d’attributs (type de terminal, état de connexion, utilisateur …) doit être assurée pour
garantir une utilisation confortable. Tous ces paramètres forment un contexte
d’utilisation particulier. Dans différents contextes, les utilisateurs accèdent aux
mêmes données et aux mêmes services mais reçoivent des réponses qui peuvent être
différentes ou présentées différemment ou encore à des niveaux de détails différents.
Par exemple, un médecin consulte le dossier médical d’un patient à l'hôpital à l'aide
d'un ordinateur de bureau. Dans un autre contexte, il consulte le même dossier mais
chez le patient à l’aide d’un Smartphone. Il peut aussi avoir une synthèse vocale du
même dossier dans un autre contexte (e.g. en voiture).
Le concept d’habitat intelligent pour la santé vise à offrir une vie autonome, dans
leur domicile, à des personnes souffrant de diverses maladies et handicaps qui
devraient normalement les contraindre à une hospitalisation ou à un placement en
institution spécialisée : patients souffrant de certaines maladies chroniques,
handicapés, mais aussi personnes âgées dépendantes. Notre principal objectif est
d’offrir un support à la réalisation d’application médicale longue durée c'est-à-dire
prendre des décisions plus intelligentes et automatisées qui s’adapteraient aux
besoins du moment comme la localisation de l’utilisateur et ses ressources
disponibles. Par exemple : afficher des informations pertinentes pour l'utilisateur et
Une approche sémantique autonomique pour la détection et le suivi des maladies 3
Smart phone
Tablette
AESCR
Utilisateur
Cloud Requête/Réponse
Platforme Kalimucho
Utilisateur
2. Travaux connexes
Plusieurs travaux d’assistance des malades à distance ont vu le jour ces dernières
années. Les premiers travaux ont mis l'accent sur la réduction de la consommation
d'énergie sur les appareils mobiles individuels. Lemlouma et al. [LEM 14] évitent les
consommations inutiles d'énergies et fournit l’énergie nécessaire selon le contexte
d’usage. Ils utilisent les modèles standards de contexte pour équilibrer la
consommation d’énergie. Néanmoins, des contraintes sémantiques riches sont liées
aux paramètres de contexte de l’utilisateur sont des facteurs importants afin de gérer
de façon intelligente un système.
Bhunia et al. [BUN 98] proposent un système intelligent de surveillance de la
santé comprenant de nombreux capteurs qui mesurent certaines propriétés physiques
d'un corps humain. Le diagnostic est effectué par l’analyse des symptômes et la
détection d’une maladie particulière. Le diagnostic guidé par les règles flous permet
de prendre une décision intelligente sur le capteur qui est nécessaire à être activé et
quand il doit être activé. Le système active quelques capteurs qui enregistrent
certains des paramètres de base du corps humain. Les valeurs reçues par des capteurs
sont transformées aux ensembles flous comme «normal», «faible», etc. Ces variables
floues deviennent des entrées au programme de décision qui détecte l'état réel du
patient comme état de faiblesse cardiaque, choc, problèmes respiratoires, etc. Ces
sorties sont des actions et des événements qui alertent les médecins et /ou
l'activation de plusieurs capteurs pour la surveillance du patient. Ainsi, les données
des capteurs ne peuvent pas être tenues en une fois. De cette façon, beaucoup de
ressources énergétiques peuvent être préservées.
Lomotey et al. [LOM 14] proposent une amélioration d'architecture « App Med »
qui répond aux questions d'accès fiables aux données médicales et la sûreté de la vie
privé dans le système d’informations médical. Pour cela deux accès de sécurité sont
proposés: un accès via l'intergiciel et un accès via HIS (Health Information
Systems). L'intergiciel et HIS partagent les certificats de sécurité afin que la
communication puisse être sécurisée. L'intergiciel crypte des données médicales de
la HIS avant d'être envoyé au mobile. Inversement, les données de mobile sont
décryptées avant d'être envoyé à la HIS via HTTPS. Les informations médicales (les
données personnelles des patients, les diagnostics, les médicaments, l'historique des
traitements) doivent être validées par les deux passerelles. L'application est portable
et s'exécute sur les Smartphones, PC et Laptops.
Pappachan et al. [PAP 14] proposent des agents mobiles communautaire de santé
(CHW) qui jouent le rôle de liaison entre les fournisseurs de soins et les patients
dans les régions mal desservies ou non desservies. Donc, ils décrivent un système
pour les appareils mobiles et portables appelé Rafiki qui guide les CHWs dans le
processus de diagnostic, facilite la collaboration entre les CHWs et les fournisseurs
de soins dans la communauté de santé à travers les clouds et les réseaux P2P. Le
système fournit un support de décision pour CHW en raisonnant sur la base de
connaissances constitué d'ontologie, l’instance et des règles d’inférences. Rafiki
identifie les maladies possibles en fonction des symptômes et du contexte de patient
Une approche sémantique autonomique pour la détection et le suivi des maladies 5
(l'âge, le sexe, localisation, d'autres maladies dans la région). Rafiki peut également
aider les patients avec les appareils mobiles en fournissant des informations sur leurs
traitements ainsi que par la collecte d'informations de contexte qui peut encore être
partagé avec les CHWs.
Récemment, Naqvi et al. [NAQ 14] proposent un modèle de description de
contexte et un modèle de description des services de qualité sensibles aux contextes
afin d’adapter les services d’infrastructure au contexte de l'utilisateur et son appareil
mobile. La détection de contexte comme un traitement léger fonctionne sur l'appareil
mobile et d'autres tâches de gestion de contexte et de traitement lourds (détection de
motif, le raisonnement et l'apprentissage) sont déployées sur l'infrastructure Cloud.
Le déploiement et la personnalisation de services se fait selon la situation de
l'utilisateur et les activités en cours. La sensibilité aux contextes et l'adaptation des
services provisionnés sont des tâches difficiles en raison de l’évolution dynamique
de contexte et la nature hétérogène des données. Un mécanisme visant à assurer la
qualité des décisions d'adaptation est réalisée à l'aide de raisonneur QoC (Qualité de
Contexte) via une analyse « trades-offs » dans les modules de décision d'adaptation
afin déployer dynamiquement des services vers le Cloud sans affecter la QoS.
Plus récemment, HameurLaine et al. [HAM 15] proposent un nouveau modèle
hybride basé sur les paradigmes génériques observateur/contrôleur et les ontologies à
base de règles d’inférences pour la conception de système médicale en
environnement pervasif. Ils ont cependant maintien le système en surveillance
contrôlée par l'observateur/contrôleur, pour raisonner ensuite sur des informations
contextuelles collectées. Enfin, il permet au système d'adapter son comportement
dynamique au changement de contexte pour sélectionner les services les plus
appropriés au contexte spécifique d’une personne par des règles d’inférences. Dans
ce travail, on note notamment l’utilisation des entités différentes et hétérogènes. De
plus, un autre aspect intéressant est la déduction des nouvelles situations qui
nécessitent une adaptation du comportement du système. Mais ce travail est diminué
des techniques de découverte services sémantiquement avec différentes QoS.
En comparaison avec les travaux précédents, nous souhaitons fournir des services
sémantiques équivalents (location, temps, catégorie) avec différentes QoS dans un
environnement intelligent pour la surveillance de la santé. Nous focalisons tout
particulièrement vers des informations et diffusions d’informations et des services
liés au domaine du smart-health. De plus, pour être indépendant de la plateforme
d’exécution et des technologies d’implémentations, nous incluons le modèle
d’exécution dans la description sémantique du service. Un modèle sémantique est
utilisé pour modéliser les services d’e-santé, les profils des utilisateurs et les
contextes des utilisateurs afin de guider vers des décisions intelligents. L’objectif est
de fournir à une personne une certaine autonomie, tout en lui proposant des
interactions : alarme pour prise de médicaments, détection de dangers (pour les
aveugles), détections d’incidents (ex. les chutes des tensions), suivi de paramètres
vitaux, diagnostique à distance, etc. Ces assistantes peuvent être locales ou peuvent
être distant nécessitant la remontée des informations vers le Cloud.
6 Revue. Volume X – n° x/année
3. Architecture de la plateforme
Requête/Réponse
SWRL SWRL
Plateforme Kalimucho
Figure 2. Architecture de la plateforme
Une approche sémantique autonomique pour la détection et le suivi des maladies 7
4. Ontologie développée
L’ontologie de haut niveau illustrée dans la figure 2 se concentre sur un profil qui
définit tous les services qui supportent toutes les activités strictement liées à une
personne et son contexte courant à un niveau individuel. Un contexte est un
ensemble de toutes les informations qui peuvent être utilisées pour caractériser la
situation d'une entité. L’entité est une personne, un lieu ou un objet qui est considéré
comme pertinent à l'interaction entre un utilisateur et une application [Dey 01].Les
informations du profil de personne sont organisées en facettes (ressource, activité,
personne, document, biomédicale et place) et liées par des services qui fournissent
des données ou récupèrent des modifications. Le profil traite les informations
récupérées et collectées depuis les différents services disponibles.
10 Revue. Volume X – n° x/année
L’ontologie de Cloud proposée dans notre étude compose de deux super classes
(service et hôte) comme présenté dans la figure 8. On distingue plusieurs types de
services de santé (services d’évaluer anémié, d’évaluer intoxication alimentaire,
d’évaluer grippe saisonnière, d’évaluer hyperthyroïdie et d’évaluer hyperglycémie
type1). Hôte regroupe deux autres classes (locale et Cloud), locale est toute appareil
responsable au déploiement de service. Cloud fait référence à une infrastructure de
traitement et stockage de données se fait à l'extérieur de l’appareil, l’utilisation de
Cloud dans l’importe quels types d'appareils. Habituellement les services sont
déployés dans hôte (appareil mobile ou fixe), si les informations contextuelles
d’appareil (batterie, espace stockage..) et de service sont insuffisantes est obligatoire
déployer le service au Cloud.
insuffisantes (le niveau de batterie est bas) la seule solution est de placer le service
dans Cloud pour l’utiliser. Dans le scénario mentionné ci-dessus, le rôle de contexte
ne peut être négligé, car il est essentiel de faire tout le travail des services dans
l’harmonie et adapter dynamiquement pour atteindre une exécution des services
d’une manière évolutive pour un comportement intelligent.
6. Conclusion
7. Bibliographie
[BUN 14] S. Bhunia, S. K. Dhar and N. Mukherjee, « iHealth: A Fuzzy approach for
provisioning Intelligent Health-care system in Smart City», In Wireless and Mobile
Computing, Networking and Communications (IEEE WiMob), pp 187 – 193, 2014.
[LOM 14] R. K. Lomotey and R. Deters, «Mobile-Based Medical Data Accessibility in
mHealth», In Proceedings of 2nd IEEE International Conference on Mobile Cloud
Computing, Services, and Engineering (MobileCloud’2014), pp 91-100, 2014.
[PAP 14] P. Pappachan, R. Yus, A. Joshi and T. Finin, «Rafiki: A Semantic and
Collaborative Approach to Community Health-Care in Underserved Areas», In
Proceedings of 10th IEEE International Conference on Collaborative Computing:
Networking, Applications and Worksharing (CollaborateCom 2014), pp 91-100, 2014.
[LEM 14] T. Lemlouma, S.Laborie, P. Roose, A., Rachedi, K., Abdelaziz, «mHealth
Contents and Services Delivery and Adaptation Challenges for Smart Environments »,
mHealth Multidisciplinary Verticals, CRC Press/Taylor & Francis, pp.295-314, 2014.
[KEL 14] D. Keling, P. Roose, M. Dalmau and J. Novado, «Kali2Much: An autonomic
middleware for adaptation-driven platform», In Proceedings of the International
Workshop on Middleware for Context-Aware Applications in the IoT (M4IOT 2014) @
MIDDLEWARE’2014. December 25-30.
[HAM 15] A. HameurLaine, K. Abdelaziz, P. Roose, « Towards an observer/controller and
ontology/rules based approach for pervasive healthcare systems », Int. J. Ad Hoc and
Ubiquitous Computing (accepted to be published).
[CAS 09] C. Cassagnes, P. Roose, M. Dalmau, “Kalimucho: software architecture for limited
mobile devices”, ACM SIGBED Review, v.6 n.3, October 2009
DOI= http://doi.acm.org/10.1145/1851340.1851354.
[NAQ 14] N.Z. Naqvi, D. Preuveneers, Y. Berbers, « A Quality-aware Federated Framework
for Smart Mobile Applications in the Cloud», In Proceedings of the 5th International
Conference on Ambient Systems, Networks and Technologies (ANT 2014), Procedia
Computer Science, pp. 253–260, 2014.
[DEY 01] A. Dey, «Understanding and Using Context. Personal and Ubiquitous Computing»,
5(1):4–7. 2001.
[CHA 01] J. Chai, S. Pan, M.X. Zhou, «MIND: A Semantics-based Multimodal Interpretation
Framework for Conversational Systems», In Proceedings of the International Workshop
on Natural, Intelligent and Effective Interaction in Multimodal Dialogue Systems.
Copenhagen, Springer-Verlag, 37-46.
[PRO 07] Protégé. 2007. Why Protégé. http://protege.stanford.edu