Clément Longeac — NLP clínico e IA biomédica

01 — Sobre mí

De dar clases de matemáticas a modelar biomarcadores tumorales

Soy estudiante de cuarto año en ESIEE Paris, especialización Data Science & IA, inscrito en el itinerario Tremplin Recherche de la escuela — un programa pensado para estudiantes que se dirigen hacia un doctorado en lugar de unas prácticas industriales estándar.

Mi trabajo se centra en hacer utilizable el texto clínico no estructurado: extraer los biomarcadores, la información de estadificación y los detalles de tratamiento ocultos en informes de oncología franceses, donde las herramientas de PLN genéricas fallan sistemáticamente ante el vocabulario y la estructura documental del dominio.

Además de mis estudios, doy clases de matemáticas y física-química a través de Complétude, y preparo solicitudes para un doctorado industrial CIFRE en IA biomédica en la Universidad de la Sorbona.

A más largo plazo, esa misma disciplina — extraer una estructura fiable de un texto desordenado y de alto riesgo — es lo que me atrae hacia la investigación en seguridad de la IA: construir y evaluar world models a través de AMI Labs y el programa Anthropic Fellows. (Frase provisional — reemplázala por tu redacción definitiva.)

Institución: ESIEE Paris
Programa: Data Science & IA (DSIA)
Itinerario: Tremplin Recherche
Siguiente paso: Doctorado, IA biomédica — Sorbona
Idiomas: FR · EN · JP · ES

02 — Investigación

DEMNE

Un pipeline híbrido de reconocimiento de entidades nombradas para texto clínico oncológico en francés.

Resultados

Lo que aporta el enfoque por etapas

0.0%

de las menciones enrutadas a reglas (cohorte AP-HP no vista, 411/413)

0.000

F1 de las reglas frente a 0,358 de un DrBERT ajustado

0.000

concordancia de enrutamiento leave-one-corpus-out

Determination of Extraction Methods for Named Entities

NER clínico · corpus de oncología en francés

Los modelos NER genéricos fallan claramente en el texto clínico francés: abreviaturas densas, formato incoherente entre hospitales y terminología de biomarcadores casi ausente de los datos de entrenamiento generales. DEMNE aborda esto con un pipeline por etapas en lugar de un modelo único — cada etapa hace lo que mejor sabe hacer, y solo escala a un modelo más pesado cuando es necesario.

El sistema está afinado sobre DrBERT-7GB en tres corpus de oncología franceses distintos, y se centra en siete tipos de entidades biomarcadoras prioritarias usadas en informes relevantes para el tratamiento.

PLN clínicoTransformersDrBERT-7GBOncología francesa

Ver el repositorio Leer la metodología

Paso basado en reglas

El emparejamiento de patrones (regex, léxicos) capta a bajo coste las entidades de alta confianza y baja ambigüedad — fechas, dosis, abreviaturas estándar de biomarcadores.

Extracción por transformer

DrBERT-7GB, afinado en tres corpus de oncología, se encarga de las entidades que requieren una comprensión semántica y de dominio real.

Arbitraje por LLM

Los conflictos restantes y los casos límite se enrutan a una pasada de LLM para la desambiguación final antes de la salida.

Alineación regulatoria — EU AI Act

La extracción de entidades clínicas sobre historiales de pacientes entra de lleno en la categoría de alto riesgo de la EU AI Act. El diseño por etapas de DEMNE tiene en cuenta los artículos 12 y 14 desde el inicio, no como un añadido posterior.

Art. 12 — Registro de actividad

Cada decisión de extracción es trazable hasta la etapa (reglas, transformer o LLM) y la puntuación de confianza que la produjo, permitiendo un registro automático para auditoría.

Art. 14 — Supervisión humana

Las salidas del arbitraje por LLM se marcan para revisión clínica en lugar de aceptarse silenciosamente, manteniendo a un humano en el bucle en los casos ambiguos.

03 — Experiencia

Dónde ha ocurrido el trabajo hasta ahora

May. – jul. 2026

Investigador en prácticas, Almacén de Datos Clínicos

AP-HP (Assistance Publique – Hôpitaux de Paris)

Apliqué y validé el enfoque de enrutamiento de DEMNE sobre datos hospitalarios: extracción de biomarcadores oncológicos (ER, PR, HER2, Ki67, FISH) a partir de informes clínicos franceses, y definición de una vía clínica auditable y realista para el despliegue.

Clinical NLPEDS-NLPBRAT / CoNLLPythonDrBERT

Oct. 2025 – may. 2026

Estudiante investigador, Tremplin Recherche

ESIEE Paris · LBA (Aix-Marseille) · AP-HP

Diseñé DEMNE, un pipeline híbrido de NER clínico (reglas / transformer / LLM) para texto oncológico francés, guiado por cinco métricas de corpus formalizadas — el proyecto central del itinerario Tremplin Recherche de cara a las solicitudes de doctorado.

PythonHugging FaceDrBERTpycrfsuiteeco2aiBRAT / CoNLLOptuna

2026 – PresenteEn curso

Product Lead y desarrollador, NeuroStep

Junior Entreprise ESIEE Paris

Construcción de una plataforma que da a pacientes con daño cerebral y a sus terapeutas ocupacionales una forma estructurada de comparar herramientas de compensación cognitiva. Nació como prototipo Python/Streamlit en el hackathon SN@SU (Sorbonne Université, con Flor Sanchez-Luizard, terapeuta ocupacional en UEROS L’ADAPT Île-de-France); ahora se define una reconstrucción de producción (FastAPI, PostgreSQL, Next.js) con alojamiento conforme a HDS/RGPD y un motor de búsqueda semántica para el emparejamiento de herramientas clínicas.

PythonStreamlitFastAPIPostgreSQLNext.js

2024 – 2027

Estudiante de ingeniería — Data Science e IA

ESIEE Paris

Estudiante de quinto año del programa de ingeniería de cinco años de ESIEE Paris, especialización Data Science e IA (DSIA).

Machine LearningDeep LearningData ScienceC / C++

2025

Ingeniero en prácticas, división GRADES

Synchrotron SOLEIL

Desarrollo de autopkgtests con OpenCL para la compatibilidad de GPU AMD (pyopencl, nabu, ufo-filters, pyvkfft) en la infraestructura Debian/ROCm en GitLab Salsa.

OpenCLPythonBashDebianGitLab CIROCm

2022 – Presente

Profesor particular de ciencias

Complétude

Clases de matemáticas y física-química a una decena de alumnos, desde primaria hasta el último curso de secundaria, en paralelo a mis estudios de ingeniería.

MathematicsPhysicsPedagogy

06 — Stack técnico

Stack técnico

Herramientas agrupadas según su relevancia para el trabajo anterior — no una lista genérica.

PLN clínico e IA biomédica

DrBERT-7GB · CamemBERT · spaCy · HuggingFace Transformers

Regex/lexicon design · Optuna (NSGA-II) · BRAT / CoNLL

Clinical text preprocessing · Domain adaptation

Sistemas e infraestructura

Python · FastAPI · PostgreSQL · Docker · Kubernetes

Linux · Debian · GitLab CI · GitHub Actions

OpenCL · pyopencl · ROCm · CUDA (basic)

Herramientas de investigación

PyTorch · LaTeX/Overleaf · TikZ · Zotero

Jupyter · pandas · NumPy · matplotlib

Idiomas

🇫🇷 Nativo · 🇬🇧 C1 · 🇯🇵 Intermedio · 🇪🇸 B2 · 🇮🇹 En progreso

07 — Áreas de enfoque

Áreas de enfoque

Reconocimiento de entidades nombradas clínicas

Extracción de biomarcadores, estadificación y datos de tratamiento a partir de textos oncológicos franceses no estructurados. Donde el NLP genérico falla y comienza la adaptación de dominio.

IA frugal e interpretable

Diseñar sistemas que recurren al nivel menos opaco que cumpla los umbrales de rendimiento. El cumplimiento de la Ley de IA de la UE como restricción de diseño, no como una idea de último momento.

III

Razonamiento biomédico multimodal

Dirección a largo plazo: unificar texto clínico, imágenes y genómica en modelos que razonen entre modalidades. El enfoque de los world models aplicado a la medicina.

Pedagogía de sistemas complejos

Enseñanza de matemáticas y física-química a una decena de estudiantes en Complétude, desde primaria hasta el último año de secundaria. Hacer que conceptos densos sean comprensibles es una habilidad de investigación, no un pasatiempo.

Extrayendo biomarcadores de texto clínico sin despertar la GPU

De dar clases de matemáticas a modelar biomarcadores tumorales

DEMNE

Lo que aporta el enfoque por etapas

Determination of Extraction Methods for Named Entities

Paso basado en reglas

Extracción por transformer

Arbitraje por LLM

Alineación regulatoria — EU AI Act

Dónde ha ocurrido el trabajo hasta ahora

Investigador en prácticas, Almacén de Datos Clínicos

Estudiante investigador, Tremplin Recherche

Product Lead y desarrollador, NeuroStep

Estudiante de ingeniería — Data Science e IA

Ingeniero en prácticas, división GRADES

Profesor particular de ciencias

Publicaciones e investigación

DEMNE: Determination of Extraction Method for Named Entity

Proyectos seleccionados

NeuroStep

Air Quality Dashboard

Face Recognition with Deep Learning

TBA — Text Adventure Game

Marmiton Data Intelligence

Debian ROCm CI