Traitement automatique des déclarations des Erreurs Médicamenteuses avec un modèle Transformer GPT - Institut National Universitaire Champollion
Communication Dans Un Congrès Année : 2024

Traitement automatique des déclarations des Erreurs Médicamenteuses avec un modèle Transformer GPT

Résumé

Los errores de medicación (EM) representan un desafío mayor para las instituciones de salud debido a sus consecuencias potencialmente graves que pueden llegar a comprometer el pronóstico vital de los pacientes. Para manejar mejor estos incidentes, los profesionales de la salud siguen un proceso de gestión que se basa principalmente en el reporte y luego en el análisis de las declaraciones proporcionadas por los profesionales de la salud a través de diferentes herramientas de reporte, tanto digitales como en papel. Aunque estas herramientas son personalizables y requieren que se introduzcan informaciones específicas a través de preguntas de opción múltiple, listas desplegables o descripciones textuales, todas comparten la característica común de incluir un campo de texto libre. Por lo tanto, el análisis de texto es crucial para una comprensión profunda y un análisis efectivo de los errores de medicación. Dado el volumen significativo de declaraciones a procesar en plazos limitados, es indispensable automatizar este procesamiento para ayudar a los profesionales de la salud a priorizar los EM a tratar. En este contexto, el procesamiento automático del lenguaje natural a través de modelos Transformadores como GPT se presenta como una solución relevante. El modelo GPT es capaz de extraer rápidamente la información clave de la declaración y permite la estructuración de las descripciones textuales de los EM.
Les Erreurs médicamenteuses (EM) constituent un défi majeur pour les établissements de santé, en raison de leurs conséquences potentiellement graves qui peuvent aller jusqu'à mettre en jeu le pronostic vital des patients. Afin de mieux gérer ces incidents, les professionnels de santé suivent un processus de gestion qui s'appuie sur le signalement puis l'analyse des déclarations renseignées par les professionnels de santé via différents outils de déclaration, tant numériques que papier. Bien que ces outils soient personnalisables et demandent de renseigner des informations spécifiques à travers des questions à choix multiples, des listes déroulantes ou des descriptions textuelles, ils partagent tous la caractéristique commune d'inclure un champs textuel libre. Ainsi, l'analyse du texte est cruciale pour une compréhension approfondie et une analyse efficace des erreurs médicamenteuses. Etant donné le volume important des déclarations à traiter dans des délais restreints, il est indispensable d'automatiser ce traitement pour aider les professionnels de santé à prioriser les EM à traiter. Dans ce contexte, le traitement automatique de langage naturel à travers des modèles Transformers comme GPT se présente comme une solution pertinente. Le modèle GPT est capable d'extraire rapidement les informations clés de la déclaration et permet la structuration des descriptions textuelles des EM.
Fichier principal
Vignette du fichier
Alass-Giseh_2024_paper_67.pdf (513.19 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04684078 , version 1 (02-09-2024)

Identifiants

  • HAL Id : hal-04684078 , version 1

Citer

Touati Hanae, Thabet Rafika, Fontanili Franck, Pruski Marc, Elyes Lamine. Traitement automatique des déclarations des Erreurs Médicamenteuses avec un modèle Transformer GPT. Alass-Giseh 2024 - 1er congrès de l'Association latine pour l’analyse des systèmes de santé et de la communauté de Gestion et Ingénierie des systèmes hospitaliers, Jul 2024, Liège (B), Belgique. pp.390-397. ⟨hal-04684078⟩
7 Consultations
3 Téléchargements

Partager

More