Grants and Contributions:

Grant or Award spanning more than one fiscal year. (2017-2018 to 2022-2023)

De la même manière que l’être humain adapte continuellement son comportement relativement aux nouvelles situations, les systèmes informatiques ubiquitaires proposent désormais des applications contextuelles (AC) ayant la capacité de recueillir des informations (environnement, santé, etc.) et de s’adapter en conséquence. Les chercheurs tentent d'intégrer ces informations (contexte) dans l'informatique ubiquitaire afin de répondre à ces besoins évolutifs en temps réel.

Nous considérons le domaine d'application médical pour deux raisons : a) médicale, car 1,5 million de Canadiens sont atteints des maladies pulmonaires obstructives chroniques (MPOC) assez dangereuses et souvent ne nécessitent pas l’hospitalisation, et b) scientifique, grâce à la complexité des systèmes biologiques, dont la maîtrise exige une combinaison de modélisation et d'observations empiriques. Un contexte peut être défini comme étant l’ensemble d'informations permettant de comprendre l’état actuel du patient et prédire les changements potentiels.

Les AC de MPOC mesurent un contexte CT (taux d’oxygène SO2) qui peut être insuffisant pour évaluer le risque en fonction des mesures initiales et de l'historique. Elles mesurent alors d'autres paramètres comme la température T (CT = {SO2, T}) ayant de bonnes chances d’être utiles. Sachant que l’on ne peut pas tout mesurer tout le temps, considérer trop ou peu de paramètres de CT peut induire à poser une mauvaise évaluation de risque [29]. Par conséquent, l’AC doit identifier les paramètres pertinents, les changements et s’adapter dynamiquement au contexte. Ceci soulève deux problèmes majeurs :
i) Prédiction du contexte pertinent pour le domaine médical : Quels paramètres pertinents doit-on surveiller pour évaluer l’état des patients?
ii) Conception d’un cadre architectural pour gérer l’adaptation des AC, la connectivité et la puissance de calcul des infrastructures disponibles en profitant de la proximité des objets connectés, et de la capacité de calcul disponible dans le Cloud.

Ce programme de recherche consiste à résoudre cette problématique en général, et pour le cas de la surveillance de patients atteints de maladies (comme MPOC) nécessitant de la surveillance continue, mais pas d'hospitalisation. Il propose une méthodologie et un cadre architectural innovants des mesures par anticipation. En effet, les techniques de prédiction de contexte pertinent, le cadre architectural adaptatif et l’intégration du concept Fog constituent manifestement des approches innovatrices. Notons que Fog est un paradigme des middlewares de l’IoT qui peut offrir la distribution de charge et l’amélioration de la performance [40]. Une plateforme d'adaptation des AC, intégrant ces concepts et techniques, sera réalisée permettant ainsi de renforcer la reconnaissance précoce de risque des patients et de réduire la liste d'attentes des patients et le coût de l'hospitalisation.