Aurélien.nk

FR
Blog

Construire une plateforme IoT de santé conforme FHIR/HL7 : du capteur au temps réel

IoT & Santé
Architecture
FastAPI
DevOps

Dans le domaine de l'e-Santé et de la santé connectée, la collecte de données physiologiques pose un double défi : traiter des flux d'événements à haute fréquence tout en garantissant la conformité stricte aux standards d'interopérabilité médicale (FHIR / HL7) et aux exigences de confidentialité des données de santé.

Le paysage de l'IoT médical : Hétérogénéité et contraintes

Les dispositifs de santé connectés modernes sont extrêmement variés :

  • Objets connectés du commerce (ex: balances, tensiomètres ou montres via l'API Cloud Withings).
  • Capteurs biométriques haute fréquence (ex: EmotiBit pour l'activité électrodermale et la photopléthysmographie).
  • Microcontrôleurs embarqués (ESP32 / Arduino pour l'acquisition sur mesure en BLE / Wi-Fi).

Traiter ces données brutes et les envoyer directement dans une base de données relationnelle classique est une erreur d'architecture courante qui mène rapidement à l'engorgement du système.

L'Architecture de référence : Du capteur au tableau de bord médical

┌─────────────────┐
│ Capteurs IoT    │  (BLE / Wi-Fi)
│ ESP32 / Withings│ ────────┐
└─────────────────┘         │
                            ▼
┌────────────────────────────────────────────────────────┐
│  Couche d'Acquisition & Broker d'événements            │
│  (FastAPI + WebSockets + Kafka / Logstash)             │
└───────────────────────────┬────────────────────────────┘
                            │ (Normalisation FHIR / HL7)
                            ▼
┌────────────────────────────────────────────────────────┐
│  Bases de Données & Moteur Vectoriel / Observabilité   │
│  (PostgreSQL / CouchDB + SigNoz + ELK Stack)           │
└───────────────────────────┬────────────────────────────┘
                            │ (Restitution Temps Réel)
                            ▼
┌────────────────────────────────────────────────────────┐
│  Interface Praticien & Patient (Next.js / Mantine UI)   │
└────────────────────────────────────────────────────────┘

1. L'Ingestion & Normalisation aux normes FHIR / HL7

Les données brutes issues des capteurs (ex: une fréquence cardiaque de 72 bpm à un instant t) ne peuvent pas être stockées sous un format propriétaire. Elles doivent être transformées en Ressources FHIR (Fast Healthcare Interoperability Resources) de type Observation.

Exemple de payload FHIR généré :

{
  "resourceType": "Observation",
  "status": "final",
  "category": [
    {
      "coding": [
        {
          "system": "http://terminology.hl7.org/CodeSystem/observation-category",
          "code": "vital-signs",
          "display": "Vital Signs"
        }
      ]
    }
  ],
  "code": {
    "coding": [
      {
        "system": "http://loinc.org",
        "code": "8867-4",
        "display": "Heart rate"
      }
    ]
  },
  "valueQuantity": {
    "value": 72,
    "unit": "beats/min",
    "system": "http://unitsofmeasure.org",
    "code": "/min"
  },
  "effectiveDateTime": "2026-09-15T10:30:00Z"
}

Cette normalisation garantit que les données collectées pourront être transmises ou intégrées directement dans les systèmes d'information hospitaliers (DPI) de n'importe quel établissement de santé.

2. Restitution Temps Réel et Observabilité

Pour permettre aux praticiens de suivre l'évolution d'un patient en temps réel lors d'une session de collecte :

  • FastAPI + WebSockets assure la diffusion d'événements à faible latence vers le frontend Next.js.
  • Logstash & Kafka absorbent les pics de charge sans bloquer le fil d'exécution.
  • SigNoz & Prometheus supervisent l'état de la plateforme, garantissant qu'aucune perte de paquet n'intervienne pendant l'acquisition biométrique.

3. Sécurité et traçabilité des données de santé

La santé connectée impose une rigueur absolue :

  1. Chiffrement de bout en bout : TLS 1.3 en transit, chiffrement AES-256 au repos.
  2. Cloisonnement des identités (RBAC) : Séparation stricte entre données d'identification du patient (PII) et métriques physiologiques anonymisées.
  3. Traçabilité des accès : Audit log inaltérable enregistrant chaque consultation médicale.

Conclusion

Concevoir une plateforme IoT de santé moderne ne consiste pas simplement à connecter un capteur à une application mobile. C'est l'art d'associer l'ingénierie temps réel, la rigueur des standards médicaux (FHIR/HL7) et l'observabilité des systèmes distribués pour offrir aux médecins un outil fiable et sécurisé.