Données médicales synthétiques : État de l'art et enjeux de la génération automatique de données tabulaires et textuelles
Résumé
Notre talk offre une revue exhaustive des méthodes de pointe pour la génération de données médicales synthétiques. Cette étude est motivée par le consensus croissant sur la nécessité d'une recherche en IA médicale transparente et facilement reproductible. La nature sensible des données patients étant souvent un obstacle à cette reproductibilité, la génération de données synthétiques se présente comme une alternative prometteuse. Notre analyse se concentre principalement sur les modèles à l'état de l'art, notamment les Réseaux Antagonistes Génératifs (GANs) et les Auto-Encodeurs Variationnels (VAEs), explorant leurs applications dans la création de données tabulaires et textuelles en santé. Nous discuterons des avantages et des limites de ces approches dans le cadre du travail de notre équipe de recherche qui vise à utiliser des outils basés sur l'IA pour améliorer les services des urgences hospitalières.
A propos - Bordeaux Population Health - INSERM U1219

Le Centre de recherche sur la santé des populations de Bordeaux, le BPH, est une unité de recherche de l’INSERM et de l’Université de Bordeaux qui se consacre à la recherche sur les principales priorités de santé publique dans un large éventail de disciplines. Les équipes du BPH visent à générer des preuves scientifiques de haute qualité pour mieux comprendre les mécanismes des maladies, prévenir leur apparition dans la population et fournir des soins optimaux aux patients. Dans cette optique, l'équipe AHeaD (Assessing Health in a Digitalizing Real-World Setting Pharmacoepi & beyond), en collaboration avec l'équipe SISTM (Statistics in Systems biology and Translational Medicine) ainsi qu'avec le service des urgences du CHU de Bordeaux, mettent à profit leur expertise dans des domaines allant des entrepôts de données hospitalières, ou les techniques d'apprentissage automatique au traitement du langage naturel pour étudier les trajectoires de soins d'urgence et leurs facteurs déterminants.
https://www.linkedin.com/company/bph-bordeaux-population-health-research/
A propos des orateurs
Océane Doremus
Doctorante
Ariel Guerra-Adames et Océane Doremus sont doctorants au Bordeaux Population Health Research Center, et utilisent tous deux le traitement automatique du langage naturel pour aborder des questions cruciales en médecine d'urgence. Les travaux d'Ariel se concentrent sur la modélisation des biais cognitifs dans le triage d'urgence à l'aide de LLM, dans le but de comprendre comment ces biais peuvent influencer la prise de décision. La recherche d'Océane porte sur l'utilisation de l'IA générative pour améliorer la surveillance des traumatismes dans les services d'urgence, en s'attaquant notamment au problème de la sous-déclaration des blessures liées aux usagers vulnérables de la route. Océane participe au projet TARPON, qui vise à créer un système complet de classification des mécanismes de traumatismes en traitant les résumés des passages aux urgences. Ils collaborent également au développement de nouvelles approches pour générer des données médicales synthétiques, en mettant l'accent sur la préservation de la vie privée des patients tout en maintenant la fidélité des données.

Ariel Guerra Adames

Doctorant
Ariel Guerra-Adames et Océane Doremus sont doctorants au Bordeaux Population Health Research Center, et utilisent tous deux le traitement automatique du langage naturel pour aborder des questions cruciales en médecine d'urgence. Les travaux d'Ariel se concentrent sur la modélisation des biais cognitifs dans le triage d'urgence à l'aide de LLM, dans le but de comprendre comment ces biais peuvent influencer la prise de décision. La recherche d'Océane porte sur l'utilisation de l'IA générative pour améliorer la surveillance des traumatismes dans les services d'urgence, en s'attaquant notamment au problème de la sous-déclaration des blessures liées aux usagers vulnérables de la route. Océane participe au projet TARPON, qui vise à créer un système complet de classification des mécanismes de traumatismes en traitant les résumés des passages aux urgences. Ils collaborent également au développement de nouvelles approches pour générer des données médicales synthétiques, en mettant l'accent sur la préservation de la vie privée des patients tout en maintenant la fidélité des données.