@inproceedings{Aguiar-Zweigenbaum-Naderi:CORIA-TALN:2025,
    author = "Aguiar, Mathilde and Zweigenbaum, Pierre and Naderi, Nona",
    title = "Inf\'erence en langue naturelle appliqu\'ee au recrutement de patients pour les essais cliniques : le point de vue du patient",
    booktitle = "Actes de CORIA-TALN-RJCRI-RECITAL 2025. Actes des 32\`eme Conf\'erence sur le Traitement Automatique des Langues Naturelles (TALN),  volume 2 : traductions d'articles publi\'es",
    month = "6",
    year = "2025",
    address = "Marseille, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "34-35",
    note = "",
    abstract = "Recruter des patients pour les essais cliniques est long et complexe. Habituellement, le processus de recrutement est initi\'e par un professionnel de sant\'e qui propose \`a un patient de participer \`a l'essai clinique. Promouvoir les essais directement aux patients via des plateformes en ligne pourrait aider \`a en atteindre un plus grand nombre. Dans cette \'etude, nous nous int\'eressons au cas o\`u le patient est l'initiateur de la d\'emarche et veut savoir s'il est \'eligible \`a un essai clinique, tout cela en utilisant son propre langage patient. Pour d\'eterminer si l'utilisation d'un tel langage permet tout de m\^eme au mod\`ele de langue de d\'eterminer l'\'egilibilit\'e du patient pour l'essai clinique, nous construisons la t\^ache Natural Language Inference for Patient Recrutement (NLI4PR). Pour cela nous adaptons le jeu de donn\'ees TREC 2022 Clinical Trial Track en r\'e\'ecrivant manuellement les profils m\'edicaux en langage patient. Nous extrayons \'egalement les essais cliniques o\`u les patients \'etaient labellis\'es {\guillemotleft} \'eligible {\guillemotright} ou {\guillemotleft} exclu {\guillemotright}. Nous soumettons des amorces \`a plusieurs grands mod\`eles de langue, et obtenons un score F1 compris entre 56,6 et 71,8 avec le langage patient, contre 64,7 \`a 73,1 pour du langage m\'edical. Nous observons que l'utilisation du langage patient ne m\`ene qu'\`a une d\'egradation de performance relativement petite pour notre meilleur mod\`ele. Cela sugg\`ere qu'avoir le patient en tant que point de d\'epart du recrutement pourrait \^etre r\'ealisable. Nos scripts ainsi que nos jeux de donn\'ees sont disponibles sur Github et HuggingFace(Aguiar et al. , 2025).",
    keywords = "Inf\'erence en Langue Naturelle, Essais cliniques, Recrutement de patients, Grands Mod\`eles de Langue.",
    url = "https://talnarchives.atala.org/TALN/TALN-2025/43.pdf"
}