Nous proposons dans cet article un système de raisonnement à base de cas pour la recherche de dossiers patients similaires à un cas donné en requête. Nous nous intéressons à des dossiers patients constitués de plusieurs images accompagnées d’informations contextuelles (telles que l’âge, le sexe et les antécédents médicaux du patient). Plusieurs sources d’informations (parfois incomplètes) sont en effet généralement nécessaires pour diagnostiquer une pathologie. Nous proposons un outil de recherche basé sur les arbres de décision, qui sont bien adaptés pour traiter de l’information hétérogène et incomplète. Pour prendre en compte des images dans ce système, nous leur associons une signature définie à partir de leur contenu numérique. La méthode est évaluée sur une base de rétinopathies diabétiques classifiées. Sur cette base de données, les résultats sont intéressants : la précision atteint 79,5 % pour une fenêtre de retrouvaille de cinq cas, doublant pratiquement les résultats obtenus en n’utilisant que le contenu numérique d’une image.

In this article, we present a Case-based Reasoning system for the retrieval of patient files similar to a case placed as query. We focus on patient files made up of several images with contextual information (such as the patient age, sex and medical history). Indeed, medical experts generally need varied sources of information (which might be incomplete) to diagnose a pathology. Consequently, we derive a retrieval framework from decision trees, which are well suited to process heterogeneous and incomplete information. To be integrated in the system, images are indexed by their digital content. The method is evaluated on a classified diabetic retinopathy database. On this database, results are promising: the retrieval sensitivity reaches 79.5% for a window of five cases, which is almost twice as good as the retrieval of single images alone.