{"id":1274,"date":"2026-06-01T15:08:49","date_gmt":"2026-06-01T13:08:49","guid":{"rendered":"https:\/\/tuneinsight.com\/fr\/?p=1274"},"modified":"2026-06-02T09:50:12","modified_gmt":"2026-06-02T07:50:12","slug":"lightlm-structuration-donnees-cliniques","status":"publish","type":"post","link":"https:\/\/tuneinsight.com\/fr\/actualites\/data\/lightlm-structuration-donnees-cliniques\/","title":{"rendered":"Structurer la donn\u00e9e clinique : l\u2019approche m\u00e9thodologique LightLM de Tune Insight au service de l\u2019urgence p\u00e9diatrique"},"content":{"rendered":"

Le projet europ\u00e9en TI4PEC s\u2019inscrit dans une dynamique plus large port\u00e9e par l\u2019association Pediatric Emergency Research Networks (PERN<\/a>), qui r\u00e9unit des dizaines de centres hospitaliers impliqu\u00e9s dans la recherche en p\u00e9diatrie d\u2019urgence dans le monde entier.<\/span><\/p>\n

L\u2019ambition est claire : permettre \u00e0 des \u00e9tablissements situ\u00e9s dans diff\u00e9rents pays (notamment les h\u00f4pitaux de Padova, Bologna, Trieste en Italie, et Lausanne en Suisse) de collaborer \u00e0 partir de leurs donn\u00e9es cliniques, tout en respectant les contraintes r\u00e9glementaires, \u00e9thiques et techniques propres au secteur hospitalier, et \u00e0 la p\u00e9diatrie en particulier.<\/span><\/p>\n

Mais avant toute analyse f\u00e9d\u00e9r\u00e9e et inter-hospitali\u00e8re, une \u00e9tape s\u2019est impos\u00e9e comme prioritaire : rendre les donn\u00e9es localement exploitables.<\/span><\/p>\n

C\u2019est dans ce cadre que Tune Insight est intervenu, en collaboration avec l\u2019Universit\u00e9 de Padoue, pour travailler sur une phase cl\u00e9 : la structuration de donn\u00e9es cliniques non structur\u00e9es. Thierry Bossy, Machine Learning Engineer chez Tune Insight explique le mod\u00e8le d\u00e9velopp\u00e9 pour r\u00e9pondre \u00e0 ce besoin initial. <\/span><\/p>\n

Le point de d\u00e9part : des diagnostics en texte libre<\/b><\/h2>\n

Dans les services d\u2019urgences p\u00e9diatriques, les m\u00e9decins documentent leurs consultations sous forme narrative. Sympt\u00f4mes, observations cliniques, hypoth\u00e8ses diagnostiques : tout est consign\u00e9 en texte libre.<\/span><\/p>\n

Ces informations sont m\u00e9dicalement riches, mais difficilement exploitables dans des syst\u00e8mes d\u2019analyse. \u00ab Pour faire des analyses avanc\u00e9es et\u00a0 distribu\u00e9es, on a besoin de structurer ces donn\u00e9es dans un vocabulaire commun.<\/em> \u00bb explique Thierry Bossy.<\/p>\n

Le probl\u00e8me est classique en sant\u00e9 : l\u2019information existe, mais elle n\u2019est pas codifi\u00e9e selon un standard permettant des traitements statistiques ou l\u2019entra\u00eenement de mod\u00e8les.<\/span><\/p>\n

Dans le projet TI4C, les diagnostics sont r\u00e9dig\u00e9s en italien, ce qui ajoute une contrainte initiale suppl\u00e9mentaire.<\/span><\/p>\n

La m\u00e9thodologie Light Language Models : des mod\u00e8les sp\u00e9cialis\u00e9s et modulaires<\/b><\/h2>\n

L\u2019\u00e9quipe de Tune Insight a d\u00e9velopp\u00e9* une cha\u00eene de traitement locale bas\u00e9e sur des <\/span>Light Language Models (LightLM)<\/b> des mod\u00e8les plus l\u00e9gers que les grands mod\u00e8les de langage (LLM) h\u00e9berg\u00e9s \u00e0 l’ext\u00e9rieur, sp\u00e9cialis\u00e9s sur des t\u00e2ches pr\u00e9cises, int\u00e9gr\u00e9s directement dans l\u2019infrastructure logicielle. L\u2019approche est m\u00e9thodique et s\u00e9quenc\u00e9e.<\/span><\/p>\n

\u201cLes diagnostics \u00e9tant r\u00e9dig\u00e9s en italien, la premi\u00e8re \u00e9tape consiste \u00e0 les traduire vers l\u2019anglais \u00e0 l\u2019aide d\u2019un mod\u00e8le l\u00e9ger open source ex\u00e9cut\u00e9 localement. Cette traduction n\u2019est pas une fin en soi, elle sert \u00e0 rendre les textes compatibles avec les mod\u00e8les de classification m\u00e9dicale disponibles. En effet, une fois traduits, les diagnostics sont trait\u00e9s par un mod\u00e8le sp\u00e9cialis\u00e9 capable d\u2019associer le texte \u00e0 un code diagnostique standardis\u00e9 : le ICD-10 (International Classification of Diseases, 10th Revision).<\/em>
\nFinalement c\u2019est comme des Legos. On combine des briques selon le besoin. Ici le premier Lego c\u2019est la traduction, ensuite, la classification<\/em> \u00bb explique Thierry Bossy.<\/p>\n

Le r\u00e9sultat final est un code m\u00e9dical normalis\u00e9, exploitable pour :<\/span><\/p>\n

    \n
  • des analyses statistiques,<\/span><\/li>\n
  • des comparaisons entre services,<\/span><\/li>\n
  • l\u2019entrainement de mod\u00e8les de machine learning<\/span><\/li>\n<\/ul>\n

    Une m\u00e9thodologie int\u00e9gr\u00e9e \u00e0 Tune Insight, offrant tra\u00e7abilit\u00e9 et s\u00e9curit\u00e9 pour les \u00e9tablissements de sant\u00e9\u00a0<\/b><\/h2>\n

    Les Light Language Models ne sont pas des outils externes, ils sont int\u00e9gr\u00e9s dans la plateforme de Tune Insight, permettant ainsi de ne pas d\u00e9placer les donn\u00e9es de sant\u00e9.<\/span><\/p>\n

    Concr\u00e8tement :<\/span><\/p>\n

      \n
    • les traitements sont ex\u00e9cut\u00e9s localement,<\/span><\/li>\n
    • les \u00e9tablissements restent propri\u00e9taires de leurs donn\u00e9es,<\/span><\/li>\n
    • les briques peuvent \u00eatre combin\u00e9es,<\/span><\/li>\n
    • aucune expertise en data science n\u2019est n\u00e9cessaire pour les utiliser.<\/span>
      \n<\/span><\/li>\n<\/ul>\n

      \u201cL\u2019h\u00f4pital applique les transformations localement sur ses propres donn\u00e9es. Tune Insight fournit l\u2019infrastructure et les modules, mais n\u2019acc\u00e8de pas aux donn\u00e9es cliniques.<\/em>\u201d pr\u00e9cise Thierry Bossy .<\/p>\n

      Par ailleurs, le choix d\u2019une architecture modulaire ne r\u00e9pond pas uniquement \u00e0 un enjeu technique. Il r\u00e9pond \u00e0 une exigence r\u00e9glementaire et op\u00e9rationnelle : rendre les traitements auditables.<\/strong> \u00ab Ce n\u2019est pas forc\u00e9ment la m\u00eame personne qui \u00e9tablit la cha\u00eene de pr\u00e9paration des donn\u00e9es et celle qui l\u2019ex\u00e9cute, pourtant elle doit savoir exactement ce qui est appliqu\u00e9 sur ses donn\u00e9es\u00a0<\/em> \u00bb, rappelle Thierry Bossy.<\/p>\n

      En pratique, cela signifie que :<\/span><\/p>\n

        \n
      • Chaque transformation est tra\u00e7able<\/b> : on sait quel module a \u00e9t\u00e9 ex\u00e9cut\u00e9, dans quel ordre, avec quels param\u00e8tres.<\/span><\/li>\n
      • Chaque brique est rempla\u00e7able<\/b> : un module peut \u00eatre am\u00e9lior\u00e9 ou mis \u00e0 jour sans remettre en cause l\u2019ensemble de la cha\u00eene.<\/span><\/li>\n
      • La m\u00e9thode est reproductible<\/b> : le m\u00eame pipeline peut \u00eatre d\u00e9ploy\u00e9 dans un autre \u00e9tablissement ou adapt\u00e9 \u00e0 une autre langue par exemple.<\/span><\/li>\n<\/ul>\n

        * Conform\u00e9ment aux exigences de s\u00e9curit\u00e9 et de conformit\u00e9, la phase de d\u00e9veloppement et de validation du pipeline n\u2019a pas \u00e9t\u00e9 r\u00e9alis\u00e9e directement sur des donn\u00e9es cliniques sensibles. Cette phase exp\u00e9rimentale a permis d\u2019ajuster finement les modules pour r\u00e9pondre aux besoins sp\u00e9cifiques exprim\u00e9s par l\u2019Universit\u00e9 de Padoue, notamment sur la typologie des diagnostics p\u00e9diatriques trait\u00e9s.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

        Le projet europ\u00e9en TI4PEC s\u2019inscrit dans une dynamique plus large port\u00e9e par l\u2019association Pediatric Emergency Research Networks (PERN), qui r\u00e9unit des dizaines de centres hospitaliers impliqu\u00e9s dans la recherche en…<\/p>\n","protected":false},"author":2,"featured_media":1278,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[7,11],"tags":[],"class_list":["post-1274","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data","category-expertise"],"acf":[],"_links":{"self":[{"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/posts\/1274","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/comments?post=1274"}],"version-history":[{"count":5,"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/posts\/1274\/revisions"}],"predecessor-version":[{"id":1279,"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/posts\/1274\/revisions\/1279"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/media\/1278"}],"wp:attachment":[{"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/media?parent=1274"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/categories?post=1274"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tuneinsight.com\/fr\/wp-json\/wp\/v2\/tags?post=1274"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}