7:45 |
Pierre Zweigenbaum |
|
Introduction : le SIG Francophone de l'IMIA, l'atelier |
8:00 |
Mohamed El Azzouzi, Reda Bellafqira, Gouenou Coatrieux, Marc Cuggia, Guillaume Bouzillé |
|
Une approche d'apprentissage profond pour la désidentification de dossiers médicaux électroniques français par annotation automatique 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. |
8:15 |
Jean-Philippe Goldman, Vasiliki Foufi, Jamil Zaghir, Christian Lovis |
|
Approche hybride pour la désidentification de documents cliniques en français 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. |
8:30 |
Golo Seydou Barro, Adrien Ugon, Pascal Staccini |
|
Modèle d'identification unique du patient dans les systèmes d'information au Burkina Faso 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). |
8:45 |
Hasini Saram, Alice Jégard, Stephi Vanderlan, Claire Durchon, Marina Falchi, Florence Campeotto, Laurent Dupic, Anita Burgun, Benoît Vivien, Rosy Tsopra |
|
Système d'aide à la décision pour la régulation du SAMU pédiatrique 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. |
9:00 |
Questions générales |
|
|