2ème édition - Mars 2024
La 2ᵉ édition du Meet-up NLP Santé a exploré le rôle du prompt engineering dans l’extraction automatisée d’informations cliniques, une approche émergente au cœur de la recherche et de l’innovation en santé numérique.
Les démonstrations de cas d’usage ont également mis en lumière le potentiel du NLP pour valoriser les données de santé à grande échelle :
- structuration de données de vie réelle en oncologie ;
- projet CM2D - Normalisation des causes médicales de décès : intérêt pour le développement d’un outil d’exploitation opérationnel en ARS.
- structurer automatiquement le parcours néoplasique d'un patient avec Consore.
Présentation Recherche : Le prompt engineering est-il l'avenir de l'extraction d'information clinique ?
Intervenant : Marco Naguib
Marco Naguib, doctorant en deuxième année au LISN – Laboratoire Interdisciplinaire des Sciences du Numérique (CNRS, Université Paris-Saclay).
Ses travaux portent sur l’application des modèles de langage de grande taille (LLM) au domaine clinique, avec un focus sur la reconnaissance d’entités médicales (NER) et la comparaison méthodique des performances entre approches fine-tuning et prompt engineering.
Résumé
La présentation a exploré les deux grandes approches pour exploiter les modèles de langage dans l’extraction d’informations cliniques :
- le fine-tuning, qui consiste à réentraîner un modèle préexistant sur un corpus médical annoté ;
- le prompt engineering, qui repose sur la formulation de requêtes textuelles optimisées pour guider la réponse du modèle sans apprentissage supplémentaire.
En s’appuyant sur des expérimentations réalisées sur plusieurs jeux de données biomédicaux, Marco Naguib a présenté une analyse comparative des deux méthodes selon différents critères : performance, robustesse, empreinte carbone et facilité de mise en œuvre. Les résultats mettent en évidence que, si le prompt engineering offre une plus grande flexibilité et un accès plus rapide à la production de résultats, le fine-tuning demeure plus performant et plus efficient sur des tâches complexes et spécialisées. L’étude conclut à la complémentarité des deux approches dans les systèmes cliniques à venir, avec un intérêt particulier pour les stratégies hybrides combinant prompts et ajustements ciblés des modèles.
3 cas d’usages NLP en santé
Gimli
Structuration de données de vie réelle en oncologie.
Intervenant : Clément Vinot (Data Scientist)
Posos
Projet CM2D - Normalisation des causes médicales de décès : intérêt pour le développement d’un outil d’exploitation opérationnel en ARS.
Intervenants : Felix Gaschi (Posos), Claire Morgand (ARS IDF) et Pierre Porta (DGS)
Coexya
Structurer automatiquement le parcours néoplasique d'un patient avec Consore.
Intervenants : Edouard Barthuet (Directeur de l’entité valorisation de données) et Damien Douteaux (Data Scientist NLP)
Retrouvez les éditions du Meet-Up NLP Santé
Rejoignez l’écosystème de l’innovation numérique en santé
Les Meet-up NLP s’inscrivent dans la dynamique Innovation portée par l’ANS.
Notre ambition : fédérer un écosystème où start-up, chercheurs, industriels et acteurs publics partagent, expérimentent et imaginent les usages numériques de demain. Avec son offre Innovation, l’ANS vous accompagne concrètement pour accélérer vos projets et renforcer votre impact dans le secteur de la santé.
