Inférence en langue naturelle pour les essais cliniques

Jury

• Elena CABRIO, Rapporteur & Examinatrice, Professeure des universités, I3S, Université Nice Côte d’Azur
• André FREITAS, Rapporteur & Examinateur, Senior Lecturer, équivalent HDR, Department of Computer Science at the University of Manchester, CRUK Manchester Institute, Idiap Research Institute
• Claire GARDENT, Examinatrice, Directrice de recherche, LORIA, Université de Lorraine
• Albert RILLIARD, Examinateur, Chargé de recherche, LISN, CNRS
• Fatiha SAÏS, Examinatrice, Professeure des universités, LISN, Université Paris-Saclay

Mot-clés

Traitement automatique du langage naturel, Inférence en langue naturelle, Essais cliniques, Types d’inférences, Grands Modèles de Langue, Affinage de modèles neuronaux

Résumé

Les essais cliniques sont essentiels pour développer de nouveaux traitements à la fois sûrs et efficaces pour soigner au mieux les patients. Les essais cliniques fournissent des informations sur les interventions réalisées, la population étudiée, les résultats et les effets secondaires recensés. L’interprétation et l’analyse de ces informations nécessitent une expertise et une grande compréhension du domaine de la recherche clinique. Une autre étape cruciale consiste à trouver un nombre suffisant de patients éligibles.
Dans cette thèse, nous proposons d’utiliser le Traitement Automatique des Langues (TALTraitement Automatique des langues) afin d’améliorer l’interprétation des rapports d’essais cliniques ainsi que l’appariement des patients.  L’automatisation de l’interprétation des essais cliniques reste complexe, y compris pour les modèles de langue. En effet, les informations sont souvent réparties dans les différentes sections et exprimées via des relations sémantiques complexes. L’Inférence en Langue Naturelle (ILN), qui détermine si une hypothèse est en opposition avec une prémisse donnée ou non, fournit un cadre naturel pour le raisonnement dans ce contexte. Les applications concrètes de l’ILN comprennent l’évaluation de la pertinence d’affirmations cliniques et l’amélioration du processus d’appariement entre patients et essais. Cette thèse se focalise sur l’amélioration de l’interprétation des essais cliniques en utilisant l’ILN.

Elle présente une analyse comparative de plusieurs approches basées sur des techniques d’amorçage et d’affinage de modèles de langue. Les résultats montrent que les grands modèles de langue génératifs sont plus performants que les modèles de langue masqués traditionnellement utilisés pour la tâche d’ILN. Ce constat est valable pour de grands modèles de langue utilisés simplement avec une amorce, même sans affinage. 

Cette thèse propose également des annotations supplémentaires au jeu de données NLI4CT afin de permettre une évaluation fine des grands modèles de langue face aux différents types d’inférences. Nos expériences démontrent que tous les modèles ne sont pas sujets à une dégradation de leurs performances et que ce sont souvent les inférences logiques et numériques qui ont un impact négatif.

Enfin, cette thèse met à disposition un nouveau jeu de données, NLI4PR, portant sur l’appariement de patients aux critères d’éligibilité des essais cliniques. Ce jeu de données utilise l’ILN pour confronter un profil de patient, exprimé soit en langage médical, soit en langage patient, aux critères d’éligibilité. Nos résultats montrent que les meilleurs modèles testés ne subissent qu’une légère baisse de performance lors de l’utilisation du langage patient, ce qui suggère que son utilisation pour l’appariement des patients pourrait également être intégrée à des outils basés sur le TALTraitement Automatique des langues pour cette application. 

Publications

Consulter les publications de Mathilde Aguiar sur HAL