Collaboration

Nous expliquons ici comment la plateforme MEDomics ouvre des portes à la collaboration.

Partage de scène

Au sein du module d'apprentissage, les utilisateurs peuvent exporter une scène localement au format JSON. Cette fonctionnalité permet des flux de travail complets en apprentissage automatique — représentés comme des configurations d'interface interactives — d'être enregistrés, partagés et rechargés entre différents utilisateurs et systèmes.

En exportant une scène, les utilisateurs de Momi peuvent capturer tous les aspects de leur expérience, y compris les connexions entre nœuds, les paramètres et les configurations de pipeline, dans un seul fichier JSON. Ce fichier peut ensuite être partagé avec des collaborateurs, qui peuvent simplement l'importer pour recréer la même interface expérimentale avec des paramètres et une structure identiques.

Partage de MEDMODEL

Comme présenté dans le module d'apprentissage, MEDMODEL les objets représentent le produit final d'une expérience d'apprentissage automatique au sein de MEDomics. Chaque MEDMODEL encapsule le modèle entraîné ainsi que toutes les informations pertinentes sur son processus d'entraînement, telles que les étapes de prétraitement, les paramètres et les mesures de performance. Cette structure autonome permet le déploiement transparent du modèle finalisé sur de nouvelles données non vues et soutient la collaboration phase du flux de travail, comme illustré dans la figure ci-dessous.

L'étape de collaboration dans le flux de travail MEDomics

Grâce à MEDMODEL, les utilisateurs de MEDomics peuvent facilement partager leurs modèles finalisés entre équipes de recherche et collaborateurs. Cette fonctionnalité permet aux autres de charger, tester et valider des modèles existants sur leurs propres jeux de données, tout en conservant l'accès à l'intégralité du pipeline d'apprentissage automatique utilisé lors de l'entraînement. Une telle fonctionnalité favorise la reproductibilité, la transparence et la collaboration interinstitutionnelle sans nécessiter l'échange ou l'accès aux données sensibles.

Comme illustré dans la figure ci-dessous, vous pouvez exporter un modèle finalisé simplement en cliquant avec le bouton droit sur le .medmodel objet et en sélectionnant Synchroniser. Cette action enregistre localement le MEDMODEL sous la forme d'un dossier structuré contenant deux composants principaux :

• metadata.json – Stocke les métadonnées du modèle, y compris les noms de variables, les types de données, la colonne cible et d'autres descripteurs essentiels de l'expérience.

• model.pkl – Un fichier sérialisé (pickle) contenant l'intégralité du pipeline d'apprentissage automatique. Cela inclut toutes les étapes de prétraitement, les transformations et le modèle entraîné lui-même, garantissant que le modèle peut être appliqué de manière cohérente à de nouvelles données.

Une fois exporté, le dossier MEDMODEL peut être partagé en toute sécurité avec d'autres utilisateurs de MEDomics pour les tests, l'affinement ou l'intégration dans de nouvelles analyses. Cette approche permet aux équipes d'entraîner des modèles de manière indépendante tout en partageant uniquement les artefacts du modèle, surmontant ainsi les défis liés à la confidentialité des données et à l'accès interinstitutionnel aux données.