Des pipelines faciles à réutiliser pour comparer les performances d'outils de reconnaissance d'entités nommées sur les textes cliniques en français
Résumé
La prise en considération du contenu de textes cliniques des dossiers patients informatisés est centrale pour la conduite d'études observationnelles secondaires, et cela commence en général par la Reconnaissance d'Entités Nommées (NER en anglais). Cependant, les textes cliniques sont très hétérogènes notamment entre les pays, les centres de soins, les services, ce qui fait qu'il est difficile de savoir à l'avance comment les outils existants vont se comporter sur un corpus particulier. Dans cet article nous décrivons la comparaison des performances de quatre approches de NER sur trois corpus français à l'aide de pipelines d'analyse. Les résultats de la comparaison permettent d'observer une supériorité attendue des performances des modèles de langues par rapport aux approches par dictionnaire et questionne sur la nécessité d'affiner les modèles déjà préentraînés sur des textes biomédicaux. Les pipelines développés le sont avec la bibliothèque medkit, sont partagés et ont l'avantage d'être faciles à réutiliser et à adapter à de nouveaux environnement de travail, corpus ou outil de NER. Cette approche de partage de pipelines et de leurs composants nous semble être une alternative intéressante dans un contexte où les textes cliniques peuvent difficilement être partagés pour des raisons de confidentialité.
Origine | Fichiers produits par l'(les) auteur(s) |
---|