Utilisation de modèles de langue de grande taille pour l’extraction de relations temporelles dans les comptes rendus cliniques pédiatriques
Judith Jeyafreeda Andrew, Juliette Potier, Nicolas Garcelon, Anita Burgun, Marc Vincent
Résumé : Objectifs — Évaluer l’utilisation de modèles de langue de grande taille (LLM) pour extraire des relations temporelles à partir de comptes rendus cliniques pédiatriques dans le domaine des maladies rares, en vue d’automatiser la construction de frises chronologiques patient. Méthodes — Nous avons développé un cadre d’extraction de relations temporelles appliqué à 25 comptes rendus cliniques issus d’un hôpital pédiatrique spécialisé. Trois LLM ont été testés en environnement sécurisé, en utilisant un schéma de few-shot prompting. Résultats — Les approches binaires surpassent nettement les approches multi-classes, avec des F1 atteignant 0,70 pour les relations les plus simples, tandis que les relations complexes restent difficiles (F1 : 0,03–0,40). Mistral 22B obtient les meilleures performances globales, bien que la supériorité varie selon le type de relation. Discussion — La forte amélioration observée lors du passage à une classification binaire montre que la formulation de la tâche influence fortement l’efficacité des LLM dans les domaines cliniques spécialisés. Notre approche few-shot permet d’extraire des relations temporelles à partir de textes cliniques pédiatriques en français tout en respectant les contraintes de confidentialité grâce à un déploiement local. Conclusion — L’approche proposée montre des performances prometteuses en environnement sécurisé. Elle permet de partager des techniques reproductibles sans exposer de données sensibles, ouvrant la voie à de nouvelles avancées en TAL appliqué aux textes cliniques sous fortes contraintes de gouvernance des données.
Mots clés : extraction de relations temporelles, modèles de langue de grande taille, TAL clinique, maladies rares pédiatriques, few-shot prompting, rapports cliniques en français