Vue d'ensemble
Dans le cadre de mon projet de troisième année à CentraleSupélec, j'ai créé un système de résumé automatique alimenté par l'IA pour les documents médicaux français, en utilisant BioBERT et des techniques NLP avancées.
Contexte
Les professionnels de santé sont confrontés à des volumes croissants de documentation médicale. L'objectif était de développer un outil capable de synthétiser automatiquement des rapports médicaux et des notes cliniques, permettant d'extraire rapidement les informations essentielles.
Approche
Modèle de Base : BioBERT
Utilisation de BioBERT, un modèle BERT pré-entraîné sur des corpus biomédicaux (PubMed, PubMed Central), comme encodeur de texte médical.
Résumé Abstractif vs. Extractif
Comparaison de deux approches :
- Extractif : sélection des phrases les plus importantes du document original
- Abstractif : génération de nouvelles phrases résumant le contenu, basé sur des architectures seq2seq
Adaptation au Français
Utilisation de CamemBERT pour le traitement spécifique des documents médicaux en langue française, avec un fine-tuning sur des données cliniques annotées.
Résultats
Le système a montré des performances prometteuses sur des métriques ROUGE, validant la faisabilité d'une telle approche pour assister les professionnels de santé dans leur pratique quotidienne.
