Évaluation d'un pipeline de traitement automatique du langage pour l'extraction de la réponse au traitement à partir de comptes rendus de consultation - Cas d'usage 5b du projet PARTAGES. - PARTAGES CU5b - DATA250263

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Préambule - Description générale de PARTAGES :
Le projet PARTAGES est un projet national collaboratif visant à développer et évaluer des outils open source d'intelligence artificielle (IA) permettant de faciliter la structuration des données médicales, en particulier aux comptes rendus médicaux.
Il repose sur une approche fédérée et distribuée, permettant l'évaluation des modèles d'IA directement au sein des établissements de santé, sans transfert de données, dans le respect du cadre réglementaire et des règles de protection des données personnelles. Ce projet est coordonné par le Health Data Hub.
Le projet PARTAGES est structuré en plusieurs cas d'usage cliniques. Le projet est structuré en plusieurs cas d'usage cliniques. Le cas d'usage CU5b est consacré à l'extraction automatique de la réponse au traitement à partir de comptes rendus de consultation. Ce cas d'usage est piloté par l’Institut Curie (Responsable de Traitement). D’autres centres « évaluateurs » testeront l’algorithme et enverront la qualité de la structuration automatique.

Contexte et justification scientifique du cas d'usage :
L’ambition principale du projet PARTAGES est de permettre une démocratisation massive des techniques d’IA générative.
Pour cela, une base open source inédite de comptes-rendus médicaux fictifs (associés à des patients fictifs) annotés sera créée. Des algorithmes d’IA/LLM génératifs (Qwen3-8B-Base, Mistral-7B, EuroLLM-9B, Apertus-8B, Gaperon-8B) seront créés et entrainés lors de cas d’usage à fort impact pour la recherche et l’innovation en santé ainsi que le système de soins (cf Note de description du projet PARTAGES).
L’Institut Curie a été désigné Etablissement de Santé Leader du Cas d’usage en Oncologie 5b : Modèle de structuration automatique des données médicales dans des CRs – CU5b : Réponse aux traitements. Ce Cas d’usage permettra d’extraire automatiquement des comptes-rendus de consultation d’oncologie les éléments de réponse au traitement dans un format standard, pour appuyer la recherche en oncologie avec des données de vie réelle structurées.
Le cas d’usage implique la spécialisation d’un LLM sur la tâche de classification des documents selon la réponse au traitement mentionnée, à partir des données synthétiques disponibles, puis l’évaluation de l’algorithme sur les données réelles dans les centres participant. Ce modèle permettra d’évaluer l’efficacité d’un traitement donné en structurant à partir de comptes rendus la réponse au traitement dans les bases de données de soins, afin de faciliter la recherche en oncologie.

Objectifs :
Evaluation des performances des modèles LLM de structuration et d’analyse des données médicales de la réponse aux traitements des CR médicaux d’oncologie en :
• Affinant la définition du problème à résoudre et de son évaluation (rattachement au traitement, à la date, à la tumeur, standard, etc)
• Obtenant une performance suffisante pour usage sans "human in the loop" dans certains cas d’usage
• Démonstrant de l'intérêt des LLM pour structurer les variables réputées complexes avec un datas et annoté "petit"

Bénéfice du projet pour la société :
- Amélioration des connaissances scientifiques sur l'extraction automatisée d'informations médicales.
- Contribution à des outils open source en intelligence artificielle pour la santé.
- Perspectives à moyen terme d'amélioration de la structuration des données médicales pour la recherche.