DPI-IA — NovaSanté Lab

Prototype de Dossier Patient Informatisé (DPI) enrichi de briques IA légères, entièrement côté client. Voir SPEC.md pour les spécifications et TODO.md pour le suivi des jalons.

Démarrage

Prérequis : Docker et Docker Compose.

cp .env.example .env
docker compose up

Service	URL
Frontend	http://localhost:5173
Backend	http://localhost:8000
API docs	http://localhost:8000/docs
PostgreSQL	localhost:5433

Navigateur recommandé : Chrome ou Edge — requis pour la dictée vocale (Web Speech API) et optimal pour les fonctions IA.

Comptes de démonstration

Rôle	Email	Mot de passe
Médecin	martin@novasante-lab.fr	medecin123
Coordinateur	coordination@novasante-lab.fr	coord123
Admin	admin@novasante-lab.fr	admin123

Fonctionnalités IA

Brique	Technologie	Où
Alerte constante anormale	TensorFlow.js (modèle local)	Onglet Constantes — saisie et affichage
Détection de tendance	scikit-learn (régression linéaire, backend) + Chart.js	Onglet Constantes — section Tendance
OCR de documents	Tesseract.js (CDN, 100 % client)	Onglet Documents — upload
Dictée vocale	Web Speech API (natif navigateur)	Onglet Consultations — champ Observations

Toutes les suggestions IA sont accompagnées d'un disclaimer "à valider par un professionnel de santé".

Vue d'ensemble clinique (vis.js)

En tête de chaque dossier patient, une section Vue d'ensemble affiche :

• Timeline — frise chronologique des consultations (points), antécédents (points) et traitements (plages date_début → date_fin) sur trois groupes colorés. Cliquer sur un élément ouvre un panneau de détail.
• Graph2d — courbes des constantes vitales (tension, glycémie, poids…) avec boutons toggle par type. La plage temporelle est synchronisée avec la timeline : naviguer sur l'une déplace l'autre.

vis-timeline est chargé via CDN (jsDelivr), sans impact sur le bundle applicatif.

Données de démonstration

La base est pré-remplie au démarrage par backend/app/seed.py avec trois patients fictifs couvrant tous les cas d'usage IA :

• Jean Dupont — hypertension : 6 mesures de tension/saturation/FC sur 5 mois (tendance hausse tension + baisse saturation), valeurs anormales, 2 documents avec texte OCR pré-rempli.
• Marie Lefevre — diabète type 2 : 5 mesures glycémie + température sur 4 mois (tendances hausses), valeurs anormales.
• Lucas Bernard — enfant : 4 mesures poids/taille/température (fièvre persistante), 1 document vaccination avec texte OCR pré-rempli.

Voir DEMO.md pour le scénario de démonstration complet.

Réinitialiser la base

docker compose down -v && docker compose up

Structure du projet

backend/          FastAPI + SQLAlchemy + Alembic
  app/
    routers/      endpoints REST
    models.py     modèles SQLAlchemy
    seed.py       données de démonstration
frontend/         React + Vite + TypeScript
  src/
    components/   composants réutilisables (ObservationSection…)
    ia/           briques IA (constantesIA.ts, ocr.ts, useDictee.ts)
    pages/        écrans (PatientDetailPage, LoginPage, …)
    api/          appels HTTP axios
  public/models/  modèle TensorFlow.js (constantes-model/)
ml/               script d'entraînement du modèle TF.js (Node)

Développement

# Backend seul (hot-reload)
docker compose up backend db

# Ré-entraîner le modèle TensorFlow.js
cd ml && npm install && npm run train:constantes