IA pour l’amélioration des soins de santé
Dans le domaine médical, le suivi et l’intégration des informations relatives à un patient nécessite l’analyse de nombreuses sources de données différentes. En médecine de ville, ces informations se retrouvent ainsi dans les notes prises par le médecin de famille ou les spécialistes que nous allons voir, ainsi que dans les résultats des analyses biologiques et autres examens médicaux prescrits. Lors des hospitalisations toutes les interactions avec le personnel hospitalier sont consignées (notes de infirmiers, comptes-rendu des spécialistes, ordonnances, analyses, IRM, échographies…). Les habitudes alimentaires entrent aussi dans le champs des données médicales, ces données étant très importantes pour le suivi des certaines maladies. Plus récemment, les données issues de dispositifs de surveillance plus ou moins sophistiqués allant des montres connectées au DLBG1 sont aussi à prendre en compte. Nous pouvons séparer ces données en deux grands types :
Au CEA List, nous apportons plus spécifiquement notre expertise dans la mise au point des outils de traitement automatique de la langue destinés à traiter les documents contenant du texte libre.
Classification automatique des diagnostics
Chaque dossier enregistré lors d’une hospitalisation est habituellement traité par un médecin spécialiste afin de codifier des codes des actes de soin qu’il contient en fonction d’un référentiel. Ces codes sont ensuite transmis à l’Assurance Maladie en vue d’un remboursement.
DocteGestio s’est adressé au CEA List afin de l’aider à automatiser cette codification. Ce dernier a développé pour ce faire un outil de classification automatique par apprentissage en s’appuyant sur des approches de type Deep Learning permettant une représentation multidimensionnelle des mots. Le démonstrateur réalisé est aujourd’hui en phase de test et de validation auprès des médecins DIM du groupe DocteGestio afin de recueillir et intégrer les modifications nécessaires pour son passage en phase d’industrialisation.
Suivi des patients
Comment transformer le texte contenu dans les comptes-rendus médicaux en une information structurée ? Tel est le défi du CEA List dans le projet M4P. En adaptant LIMA et CLIMA au domaine du diabète, nous travaillons sur l’extraction des paramètres utiles dans le suivi du diabète. Ces paramètres ont été définis par nos partenaires médicaux et sont extraits à partir du texte libre contenu dans les comptes-rendus médicaux.
L’IA au service de la formation (médicale)
Combinant la réalité virtuelle et augmentée avec les outils NLP pour chatbots des nouvelles outils de formation peuvent être imaginés. Développer un environnement immersif collaboratif que les étudiants en médecine puissent utiliser afin de se former tel est le but du projet LabForSims2. Deux cas d’usage ont été mis en œuvre dans ce projet :