BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.4.5//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:0-301@lisn.upsaclay.fr DTSTART;TZID=Europe/Paris:20250919T140000 DTEND;TZID=Europe/Paris:20250919T140000 DTSTAMP:20250911T161953Z URL:https://www.lisn.upsaclay.fr/evenements/extraction-dinformation-cliniq ue-methodes-et-ressources-pour-ladaptation-en-domaine/ SUMMARY:Extraction d'information clinique : méthodes et ressources pour l' adaptation en domaine DESCRIPTION:Jury\nPascale Sébillot\, Professeure des Universités\, INSA R ennes\, IRISA – Rapporteure\nRosy Tsopra\, Maîtresse de Conférences de s Universités\, Praticienne Hospitalière\, Université Paris-Cité\, AP- HP – Rapporteure\nBenoît Favre\, Professeur des Universités\, Aix-Mars eille Université\, LIS – Examinateur\nVincent Guigue\, Professeur des U niversités\, AgroParisTech – Examinateur\nAntoine Neuraz\, Chercheur\, Stane – Examinateur\nRésumé\nLes systèmes de santé modernes produise nt quotidiennement d’importants volumes de données cliniques non struct urées (des textes comme les comptes rendus d’hospitalisation\, lettres de sortie\, résultats d’examens)\, qui sont riches en informations esse ntielles pour le suivi des patients\, la recherche médicale et la santé publique. Toutefois\, la diversité linguistique\, la complexité sémanti que et les contraintes de confidentialité limitent fortement l’exploita tion automatique de ces textes\, en particulier en langue française. L’ extraction d’information clinique à partir de ces documents demeure ain si un défi majeur\, surtout dans un contexte où les corpus annotés sont rares et les protocoles d’évaluation établis ne sont pas toujours app licables et standardisés. Cette thèse se positionne à l’intersection de l’informatique médicale et du traitement automatique des langues (TA L)\, et cible spécifiquement les documents cliniques francophones. Elle e xplore la reconnaissance d’entités nommées (REN) et le résumé automa tique de dossier patient en contexte d'urgence. Afin de répondre aux déf is méthodologiques\, techniques et évaluatifs propres à l’extraction d’information en français\, la thèse s’articule autour de quatre axe s de recherche : le manque de corpus annotés\, l’adaptation des modèle s de langues généralistes au domaine clinique\, l’évaluation rigoureu se dans des contextes hospitaliers réels\, et l’identification des scé narios d’usage adaptés aux grands modèles de langues. Les résultats o btenus montrent que\, pour la reconnaissance d’entités cliniques\, dans un contexte où il y a peu de corpus annotés disponibles en français\, les modèles de langues masqués affinés surpassent nettement les grands modèles génératifs\, aussi bien en termes de performance qu’en impact environnemental. L’apprentissage actif appliqué à la sélection d’e xemples permet\, en outre\, de réduire considérablement le coût d’ann otation sans perte significative de performance. Concernant le résumé de dossier patient\, une approche RAG associant récupération symbolique de s passages pertinents et génération automatique par LLM permet d’obten ir des synthèses à la fois cliniquement pertinentes et robustes\, contri buant ainsi à une amélioration de l’accessibilité de l’information critique pour la prise en charge rapide des patients. Ces contributions so nt évaluées à l’aide de protocoles reproductibles\, intégrant des m étriques classiques\, des analyses humaines qualitatives\, et la mesure d e l’impact environnemental. Au-delà des avancées méthodologiques\, ce tte thèse invite à une intégration critique\, transparente et contextua lisée du TAL dans le domaine médical. Elle souligne les risques d’une confiance excessive envers des systèmes opaques dits « IA »\, l’impor tance de la confidentialité des données\, les coûts environnementaux et sociétaux du TAL à grande échelle\, et la nécessité d’une gouverna nce et d’une documentation rigoureuses pour les applications en santé. Les travaux réalisés ouvrent la voie vers une extraction d’information clinique francophone plus fiable\, durable et équitable\, avec des persp ectives étendues aux langues et contextes dans lesquels peu de corpus ann otés sont disponibles. CATEGORIES:STL,Thèses et HDR LOCATION:LISN Site Belvédère\, Rue du Belvédère Campus universitaire b ât 507 91405 Orsay\, France X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=Rue du Belvédère Campus universitaire bât 507 91405 Orsay\, France;X-APPLE-RADIUS=100;X-TITLE=LIS N Site Belvédère:geo:0,0 END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:DAYLIGHT DTSTART:20250330T030000 TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST END:DAYLIGHT END:VTIMEZONE END:VCALENDAR