Le NPL se déplace pour qualifier les informations IoT et Big Data

Le National Physical Laboratory (NPL) est payé pour savoir: mettre des chiffres sur certains des concepts apparemment nébuleux.

À une extrémité de l'échelle se trouvent des capteurs, peut-être des capteurs médicaux portés sur le corps, qui sont des objets clairement définis et qui sont clairement importants. À l'autre extrémité de l'échelle (vous pourriez argumenter) sont les commentaires des médias sociaux, mais même ceux-ci peuvent être importants.

Mike Oldham, directeur de la science des données chez NPL, explique à Electronics Weekly: «Il y a des PME britanniques qui analysent les tweets des médias sociaux pour prendre des décisions d'affaires, par exemple, en mappant des tweets sur le réseau de transport britannique.

Avec un apprentissage machine de plus en plus poussé pour les décisions, ou même pour prendre des décisions, comment peut-on maintenir la confiance dans la qualité des données tout au long du cycle de vie des données, demande Oldham. C'est un cycle qu'il résume comme «collecter, connecter, comprendre» avec compresser dans la liste si beaucoup de données doivent passer par un tuyau étroit.

Y a-t-il une idée de ce qui est important et de ce qui ne l'est pas?

Protection de qualité

«Si vous possédez des données d'usurpation sur un réseau électrique intelligent, vous ne voulez pas qu'une machine semi-autonome ferme la grille», explique M. Oldham.

Pour les tweets et la situation de transport, "je ne suis pas sûr que NPL doit s'impliquer si les données de navigation sont un peu fausses et que vous êtes en retard de temps en temps, mais pour le diagnostic médical, vous aurez besoin de l'étalon-or. L'importance des données concerne les vies, la sécurité et les risques financiers. "

Avec ses homologues des instituts de métrologie aux États-Unis et en Allemagne - NIST et PTB - NPL vient de lancer un projet visant à établir des normes de qualité des données, selon Sundeep Bhandari, responsable de la stratégie NPL. Il travaille également avec l'Université Brunel, certaines organisations chinoises et l'Institut Turing de diverses manières vers des objectifs similaires.

Une partie de la recherche a impliqué des organisations interrogatrices, y compris des entreprises de télécommunications, des entreprises énergétiques, des fournisseurs de soins de santé, la BBC et la Metropolitan Police, sur ce dont ils ont besoin de métriques de qualité des données. «Après leur avoir parlé, nous allons essayer de déterminer ce que le NPL doit faire pour l'industrie», explique Bhandari.

Un des besoins connus est de quantifier les mesures effectuées au cours des diagnostics médicaux basés sur le scanner, afin de permettre aux techniques de «big data» d'extraire de nouvelles connaissances de millions de scans et d'éliminer la variabilité des diagnostics individuels.

Décider des normes

"Pour le moment, le diagnostic médical est une relation de travail étroite entre un clinicien et la machine qu'ils utilisent", explique le chercheur de données Oldham. "Nous travaillons à standardiser ceci, de sorte que tout clinicien peut travailler avec les résultats de n'importe quelle machine. Une partie du processus consiste à décider quel type de métadonnées vous devez collecter. "

Un projet spécifique de qualité des données médicales au NPL est une tentative d'améliorer les mesures effectuées par les scanners IRM en observant le «taux de perfusion myocardique» - le taux de sang, et donc d'oxygène, est délivré aux tissus cardiaques.

L'analyse est acquise au fil du temps, puis post-traitée par un clinicien qui sélectionne les objets d'intérêt dans l'analyse, ce qui permet à la machine d'extraire une courbe temporelle du comportement d'un agent de contraste. Cette courbe est manipulée par rapport à un modèle mathématique pour estimer le taux de perfusion.

Le problème est que l'IRM est en grande partie un instrument qualitatif, inadapté à la mesure absolue. La meilleure façon de mesurer la perfusion consiste à effectuer une tomographie par émission de positrons, mais cela nécessite une injection de matières radioactives.

«Le PET est le plus quantitatif, mais une personne ne peut avoir autant de TEP en une seule vie», déclare Nadia Smith, informaticienne des données, à Electronics Weekly. "Si nous pouvons faire en sorte que l'IRM soit plus quantitative, ce serait beaucoup mieux pour le diagnostic."

Et c'est exactement ce que NPL tentera dans le cadre d'un projet européen de trois ans avec ses homologues français et allemands (LNE et PTB), King's College London et un hôpital finlandais.

Shutterstock