Atelier du SIG francophone à MIE 2022

La désidentification des dossiers médicaux électroniques (DME) est devenue une nécessité pour la protection de la confidentialité des données et la conformité aux réglementations gouvernementales. Pour résoudre ce problème, plusieurs techniques de traitement du langage naturel ont été appliquées à des textes médicaux en anglais et ont atteint des performances élevées. Cependant, la disponibilité limitée d'ensembles de données étiquetées dans d'autres langues et les coûts élevés de l'annotation manuelle ont sévèrement limité l'applicabilité de ces techniques supervisées dans d'autres langues comme le français. Pour résoudre ce problème, nous avons créé un ensemble de données étiquetées automatiquement à partir des rapports d'hospitalisation français, annotées pour l'extraction d'informations personnelles identifiables (PII), par exemple : (noms complets des médecins, noms complets des patients, dates, villes, adresses postales, emails et numéros de téléphone) et nous avons entraîné un modèle de reconnaissance d'entités nommées (NER) BERT+Bi-LSTM+CRF en utilisant ces données étiquetées automatiquement. Pour évaluer la performance du modèle, nous avons annoté manuellement un sous-ensemble de rapports d'hospitalisation et nous avons utilisé le score F moyen comme métrique pour évaluer notre système de NER. Les résultats expérimentaux montrent que le modèle peut atteindre des performances élevées (environ 94% du score F1 moyen) en utilisant un grand ensemble de données d'entraînement, cette procédure peut réduire le coût et le temps de l'annotation manuelle des informations personnelles dans les rapports médicaux. Dans le futur, nous aimerions étudier l'apprentissage actif pour améliorer notre modèle dans la boucle pendant l'annotation et l'apprentissage fédéré pour une approche de formation collaborative.

Le partage de données cliniques est fondamental pour la pratique clinique et pour la recherche biomédicale. Cependant, la nécessaire désidentification des données est un tel défi que peu d'outils robustes existent, ni des données partagées. Nous présentons une approche hybride et un outil fonctionnel disponible pour le français, fondé sur trois techniques parallèles : à base de connaissances, à base de règles et à base d'apprentissage automatique. Ces trois approches ainsi que l'approche hybride sont évaluées sur trois corpus.

La mise en place d'un processus d'identité fiable est la base de tout système de partage sécurisé d'information sur le patient. En effet, chaque individu est unique et pourrait être identifié par un numéro unique (identifiant). C'est au regard de ces enjeux que nous avons développé une méthode d'identification unique du patient adaptée au contexte du Burkina Faso. La méthode préconisée s'inspire des travaux du groupement pour la modernisation du système d'information hospitalier (GMSIH) [1]. Le modèle développé permet d'attribuer un “Identifiant unique” (IDpatient) à chaque patient à partir de son profil de traits d'identification (nom, date de naissance, sexe,…). L'IDpatient est une séquence de 20 caractères plus une "clé" de sécurité de 2 caractères. Un test de fiabilité du modèle a été réalisé afin de prendre en compte les anomalies d'identité (doublon, collision).

L'un des principaux enjeux du triage téléphonique du SAMU est d'identifier rapidement les situations graves. Il s'agit d'un exercice complexe, notamment dans le cadre pédiatrique où la formation des professionnels et les recommandations cliniques peuvent faire défaut. Afin de répondre à cette problématique, nous avons créé une interface interactive dans l'objectif d'aider à la prise en charge des urgences pédiatriques. À partir des recommandations créées par le SAMU de Paris, quatre étudiantes en médecine ont pu créer un arbre décisionnel unique à chaque situation, le tout intégré dans une interface interactive conçue selon des principes d'ergonomie. Cet outil cible les situations d'urgence permettant la mise en route précoce des services appropriés. Dix médecins ont évalué cette interface et ont, à l'unanimité, apprécié son ergonomie et son utilisabilité. Neuf ont dit vouloir utiliser cette interface durant le triage téléphonique. Dans le futur, l'objectif est d'améliorer cette interface et de l'introduire aux centres d'appel d'urgence.

Il est possible d'augmenter l'efficacité et l'exhaustivité de l'identification des patients potentiellement éligibles pour l'entrée dans les essais de pneumo-oncologie en développant un outil de traitement automatique du langage pour vérifier les critères d'inclusion. Des algorithmes basés sur des expressions régulières ont été implémentés et évalués pour huit caractéristiques afin d'automatiser l'extraction parmi les protocoles d'études. La performance de détection des caractéristiques a atteint 79 % de F-mesure en moyenne parmi les protocoles. Sur la base des recherches précédentes, l'outil a identifié au moins un sujet éligible à partir de l'entrepôt de données de l'hôpital de Tours pour la majorité des protocoles et au moins un protocole a été proposé pour 26 % de ces sujets. Tester l'outil sur différents centres serait nécessaire pour évaluer sa validité externe et permettre l'interopérabilité des entrepôts de données dans la perspective d'un recrutement multicentrique.

Cet article présente le corpus aHF de textes cliniques français sur l'insuffisance cardiaque aiguë produit en situation de soin. Le corpus aHF est annoté pour deux tâches : la classification de texte et l'extraction d'information. Le corpus aHF se compose actuellement de 1639 comptes rendus de séjours hospitaliers annotés pour la tâche de classification de texte, et 100 comptes rendus de séjour annotés pour la tâche d'extraction d'information. Nous détaillons la méthode conçue avec les cliniciens et l'annotation du corpus. Ce corpus est une étape fondamentale dans l'étude GAVROCHE, dont l'objectif principal est d'évaluer la valeur pronostique de la variabilité de la glycémie chez des patients hospitalisés pour insuffisance cardiaque aiguë.