Monah BOU HATOUM : "Améliorer l’automatisation des soins de santé grâce à une meilleure qualité des données et à des approches basées sur la pertinence sémantique"

Résumé :  La numérisation croissante des données de santé offre des opportunités sans précédent pour l'application de l'apprentissage automatique à l'amélioration des résultats cliniques, mais des défis importants persistent dans le traitement des textes médicaux non structurés et l'évaluation de la précision des prédictions. Cette thèse aborde ces défis fondamentaux à travers un cadre intégré qui améliore à la fois la qualité des données d'entrée et l'évaluation des prédictions de sortie. Nous abordons d'abord le problème du prétraitement des textes cliniques avec deux approches novatrices : EMTE (Enhanced Medical Terms Extractor), qui utilise des règles de correspondance de motifs pour extraire avec précision les concepts médicaux et préserver les négations critiques ; et UTP (Unified Term Presentation), qui standardise la terminologie clinique, développe les abréviations et normalise les valeurs d'investigation. Ensemble, ces contributions améliorent significativement la qualité du texte tout en préservant les informations cliniques essentielles que les méthodes de prétraitement standard écartent souvent. Nous révolutionnons ensuite la façon dont les prédictions de codes CIM-10 sont représentées et évaluées grâce à NNBSVR (Neural Network-Based Semantic Vector Representations), une technique de vectorisation innovante qui capture les relations hiérarchiques, les similitudes sémantiques et les contraintes d'utilisation entre les codes médicaux. Sur cette base, nous développons des fonctions de perte personnalisées qui intègrent la pertinence clinique pendant l'entraînement du modèle, permettant un crédit partiel pour les prédictions sémantiquement liées à la vérité terrain. Des évaluations approfondies sur des ensembles de données cliniques réelles (comprenant plus de 9,57 millions de dossiers cliniques et 9 278 codes CIM-10 uniques) démontrent la supériorité de nos approches, avec des améliorations de performance allant jusqu'à 18,6 % du score F1 par rapport aux méthodes traditionnelles, atteignant 92,58 % de précision de validation par des experts et 43,92 % de réduction du vocabulaire. Au-delà des améliorations métriques, notre cadre renforce l'utilité clinique en produisant des prédictions qui s'alignent plus étroitement avec la pratique médicale, où des diagnostics apparentés ont souvent des implications similaires pour les soins aux patients. Cette recherche représente une avancée significative vers des systèmes de codage automatisé plus précis, fiables et cliniquement pertinents, avec des impacts potentiels sur la documentation médicale, l'efficacité administrative, l'aide à la décision clinique et, en fin de compte, les résultats pour les patients.

Composition du jury : 

Christophe GUYEUX Professeur des universités Université Marie et Louis Pasteur Directeur de thèse
Marie-Hélène ABEL Professeure Université de Technologie de Compiègne Rapporteur
Sandra BRINGAY Professeure Paul Valéry Montpellier University Rapporteur
Jean-Claude CHARR Maître de conférences Université Marie et Louis Pasteur Co-encadrant de thèse
Alia GHADDAR Professeur associé Lebanese International University Co-encadrant de thèse
Flavien VERNIER Professeur Polytech Annecy-Chambéry Examinateur

Localisation : IUT Nord Franche-Comté 19, avenue du Maréchal Juin Bâtiment E 90000 BELFORT - salle Salle 206