Creating medical registry datasets from unstructured text
Le projet vise à automatiser le processus de collecte de données pour les registres cliniques en utilisant de grands modèles de langage (LLM).
Fiche signalétique
- Départements participants Technique et informatique
- Institut(s) Institute for Patient-centered Digital Health (PCDH)
- Unité(s) de recherche PCDH / AI for Health
- Organisation d'encouragement Innosuisse
- Durée 17.06.2024 - 31.12.2025
- Direction du projet Prof. Dr. Kerstin Denecke
- Partenaire ID Suisse AG
- Mots-clés Intelligence artificielle, Large Language Model, extraction d’informations
Situation
Ce projet vise à automatiser le processus de collecte de données pour les registres cliniques en utilisant de grands modèles de langage (LLM). Actuellement, 116 registres sont représentés sur la Plateforme suisse des registres médicaux, qui est gérée par la FMH, la Chambre médicale suisse. Les données des registres sont cruciales pour l’assurance qualité (p. ex. le registre des implants), y compris le suivi des évènements et des résultats indésirables et l’identification des lacunes dans le traitement. Ces cas d’application et d’autres cas similaires nécessitent des données complètes et de haute qualité, qu’on retrouve dans des registres. Les méthodes traditionnelles d’extraction de données cliniques à partir de données de routine et de systèmes d’information hospitaliers impliquent un copier-coller manuel des données, un processus long et source d’erreurs, qui aboutit à des données incohérentes et incomplètes. Notre approche vise à automatiser ce processus en développant des algorithmes avancés de traitement du langage naturel (Natural Language Processing, NLP) capables d’analyser et d’extraire avec précision les renseignements cliniques pertinents du texte non structuré typique des dossiers médicaux.
Approche
Dans le cadre de ce projet, l’équipe a étudié et perfectionné différentes approches basées sur les grands modèles de langage (LLM) afin d’extraire automatiquement des informations structurées à partir de documents cliniques non structurés, puis de les rendre exploitables pour alimenter les registres cliniques. À cette fin, elle a mis au point des stratégies d’extraction adaptées, puis les a évaluées en termes de qualité et améliorées pour différents champs. Par ailleurs, elle a analysé dans quelle mesure ces mêmes méthodes pouvaient être transposées à d’autres registres et à d’autres cas d’application clinique. Elle a enfin étudié les aspects techniques et organisationnels liés à l’évolutivité afin de définir les exigences nécessaires à une future utilisation en production et au développement à long terme de la solution.
Résultat
Le projet a permis de démontrer la faisabilité technique d’un outil d’aide à l’alimentation des registres cliniques basé sur un grand modèle de langage (LLM). Les méthodes élaborées ont permis d’extraire automatiquement des informations cliniques pertinentes à partir de textes non structurés et de les attribuer à des champs structurés du registre. L’évaluation réalisée a montré que les LLM modernes présentaient un fort potentiel pour faciliter la documentation des registres et qu’ils étaient capables d’identifier des informations pertinentes tout en respectant un niveau de qualité et de traçabilité suffisant.
Perspectives
Les connaissances acquises dans le cadre de ce projet serviront de base au développement d’une solution évolutive pour le remplissage automatisé des registres. Les travaux futurs devront se concentrer sur l’intégration de la solution dans les processus existants de documentation et d’enregistrement, sur son extension à d’autres types de registres ainsi que sur l’amélioration continue de la qualité de l’extraction. À long terme, cela pourrait permettre de réduire la charge de travail liée à la documentation manuelle, d’améliorer l’actualité et la qualité des données des registres, et d’augmenter la disponibilité d’informations cliniques structurées pour la recherche, l’assurance qualité et les soins de santé.
