Du texte libre à l'e-CRF : automatiser l'extraction des données cliniques - 10/03/26
Résumé |
Introduction |
Les données textuelles des dossiers patients représentent une source d’information clinique majeure mais difficile à exploiter en raison de leur complexité et leur hétérogénéité. Des outils d'extraction automatique sont nécessaires pour valoriser ces données, aucun ne couvre encore l'ensemble des variables techniques, entraînant une restructuration manuelle sujette aux biais. Ce travail propose une méthodologie fondée sur le NLP pour transformer ces données en informations exploitables pour favoriser la recherche clinique.
Méthodes |
Un processus d’ETL a été mis en place pour extraire du contenu textuel des documents via des parseurs disponibles en Python, puis le stocker dans un modèle relationnel patient-centré, garantissant la cohérence entre documents et entités cliniques. Un second pipeline applique des techniques d’extraction et de désambiguïsation (négation, contexte familial) à partir d'expressions régulières et des thésaurus médicaux de référence (HPO, MedDRA, Mesh) mappés aux codes standards UMLS.
Les textes enrichis sont indexés dans une base OpenSearch, offrant une recherche rapide et efficace. L’intégration à différents outils de valorisation permet d’optimiser les temps de réponse pour l’exploration des données. La méthode combine NLP, ontologies médicales et règles expertes, et permet d’enrichir les requêtes selon la connaissance métier, via un outil de revue facilitant la validation des extractions.
Résultats |
Un total de 6.000 documents fictifs, issus d’une cohorte simulée de 1.473 patients atteints de diabète, ont été intégrés et traités en 90 minutes sur une machine standard (6 vCPU, 16 Go de RAM).
S’appuyant sur un référentiel de plus de 7 millions de concepts médicaux standardisés, la méthode a permis d’identifier en moyenne 43 concepts par patient, garantissant un accès rapide et ciblé aux informations pertinentes du dossier.
Un e-CRF de 32 variables a été prérempli automatiquement à partir de données de patients diabétiques, avec 94 % d'auto-complétion en 13 minutes (100% sur données structurées, 92% sur textuelles).
Discussion/Conclusion |
La méthodologie démontre la faisabilité d’un processus semi-automatisé d’extraction et de valorisation des données cliniques, depuis leur intégration jusqu’à l’implémentation d’un e-CRF.
Le texte complet de cet article est disponible en PDF.Mots-clés : Entrepôt de données, NLP, e-CRF
Vol 74 - N° S1
Article 203279- mars 2026 Retour au numéro
Article précédent
- Impact du déremboursement des anticholinestérasiques sur la détection des patients atteints de démence jeune dans le SNDS
- Léa AGUILHON, Marc DIBLING, Octave GUINEBRETIERE, Quentin CALONGE, Thomas NEDELEC
- Impact d'un passage en gériatrie aiguë après un séjour en réanimation chez les patients de plus de 80 ans - Groupe hospitalier Universitaire Sorbonne Université, Paris
- Aurélia RETBI, Mathilde FALIÈRES, Caroline THOMAS, Bertrand GUIDET, Hélène VALLET, Sophie TEZENAS DU MONTCEL
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?