Ontology-Constrained Generation of Domain-Specific Clinical Summaries

Ce mémoire propose une approche novatrice pour relever les défis critiques de la génération de résumés cliniques qui soient à la fois précis, pertinents et adaptés au domaine médical. Utilisant les grands modèles de langue (LLMs), cette méthode vise également à réduire les "hallucinations", c’est-à-dire la production d’informations factuellement incorrectes. Le point de départ de cette recherche est le constat que les note cliniques actuelles de patients contiennent une grande quantité de données que les médecins doivent examiner en détail. L’objectif est d’automatiser ce processus afin de diminuer l’épuisement professionnel des médecins et d’améliorer l’efficacité des soins de santé. Bien que les LLM présentent un potentiel considérable pour la synthèse de textes, leur tendance à générer des informations erronées et leurs difficultés à traiter des données spécifiques à un domaine, surtout dans le contexte médical où la confidentialité est primordiale, posent des risques importants. L’objectif central de cette recherche est d’utiliser les ontologies médicales, des représentations structurées de connaissances factuelles, pour guider les LLM afin de produire des résumés plus fiables et spécifiques à une spécialité. L’hypothèse est que l’intégration de ces ontologies dans le processus de génération des LLM améliorera la précision et la pertinence des résumés cliniques. La méthodologie s’articule autour de plusieurs axes, en commençant par une analyse d’adaptation au domaine médical via une annotation basée sur les ontologies pour identifier les concepts clés. Par la suite, une stratégie d’extraction d’informations s’appuie sur ces ontologies pour créer une représentation structurée des notes cliniques. Finalement, un nouveau processus de décodage contraint et guidé par l’ontologie est appliqué, utilisant une approche qui favorise le contenu aligné sur les relations ontologiques et permet de minimiser les incohérences. Les résultats expérimentaux, obtenus notamment avec le jeu de données MIMIC-III, montrent des améliorations significatives dans la génération de résumés adaptés et une réduction des hallucinations. Ces conclusions indiquent que le fait de contraindre la génération des LLMs à l’aide d’ontologies diminue efficacement la génération d’informations erronées. De plus, ce mémoire introduit aussi MedHal, un nouvel ensemble de données conçu spécifiquement pour l’évaluation de la détection des hallucinations dans les textes médicaux. MedHal surmonte les limites des jeux de données actuels en intégrant diverses sources et tâches médicales et en fournissant un volume important d’exemples. Ces exemples sont également annotés avec des explications indiquant les incohérences factuelles. Ceci permet un entraînement et une évaluation plus robustes des modèles de détection d’hallucination. vi Les retombées de cette recherche pour le secteur de la santé sont considérables. Ce travail contribue de manière significative à l’avancement de la synthèse de textes assistée par les modèles de langue dans le domaine médical en apportant des solutions concrètes aux défis de la factualité et de l’adaptation au domaine. Enfin, nous apportons également une solution pour alléger la charge de travail des docteurs, améliorer la qualité des soins, accélérer la recherche en IA médicale et faciliter un déploiement plus sûr des LLMs dans le domaine médical