मैं Clément Longeac हूँ। मैं DEMNE बनाता हूँ, एक रूटिंग फ्रेमवर्क जो हर एंटिटी प्रकार के लिए सबसे हल्की पर विश्वसनीय विधि चुनता है — नियम, एक ट्रांसफॉर्मर, या एक LLM। एक अनदेखी AP-HP कोहॉर्ट पर यह 99.5% उल्लेखों को ऑडिट-योग्य नियमों की ओर भेजता है, F1 0.941 के साथ, जबकि फाइन-ट्यून किया ट्रांसफॉर्मर केवल 0.358 तक पहुँचता है।
मैं ESIEE Paris में चौथे वर्ष का छात्र हूँ, डेटा साइंस और एआई में विशेषज्ञता के साथ, और स्कूल के Tremplin Recherche ट्रैक में नामांकित हूँ — यह कार्यक्रम मानक इंडस्ट्री इंटर्नशिप के बजाय डॉक्टरेट शोध की ओर बढ़ रहे छात्रों के लिए बनाया गया है।
मेरा काम असंरचित क्लिनिकल टेक्स्ट को शोध के लिए उपयोगी बनाने पर केंद्रित है: फ्रेंच ऑन्कोलॉजी रिपोर्टों में छिपे बायोमार्कर, स्टेजिंग जानकारी और उपचार विवरण निकालना, जहाँ सामान्य-उद्देश्य वाले एनएलपी उपकरण डोमेन-विशिष्ट शब्दावली और दस्तावेज़ संरचना के सामने लगातार विफल होते हैं।
अपनी पढ़ाई के साथ-साथ मैं Complétude के माध्यम से गणित और भौतिकी-रसायन विज्ञान पढ़ाता हूँ, और सोरबोन विश्वविद्यालय में बायोमेडिकल एआई में CIFRE औद्योगिक पीएचडी के लिए आवेदन तैयार कर रहा हूँ।
दीर्घकालिक रूप से, यही अनुशासन — अव्यवस्थित, उच्च-जोखिम वाले टेक्स्ट से विश्वसनीय संरचना निकालना — मुझे एआई सुरक्षा अनुसंधान की ओर आकर्षित करता है: AMI Labs और Anthropic Fellows कार्यक्रम के माध्यम से world model बनाना और उनका मूल्यांकन करना। (यह एक मसौदा पंक्ति है — इसे अपने अंतिम शब्दों से बदलें।)
फ्रेंच ऑन्कोलॉजी क्लिनिकल टेक्स्ट के लिए एक हाइब्रिड नेम्ड-एंटिटी-रिकग्निशन पाइपलाइन।
of mentions routed to rules (unseen AP-HP cohort, 411/413)
rule F1 vs 0.358 for a fine-tuned DrBERT
leave-one-corpus-out routing concordance
रेडीमेड एनईआर मॉडल फ्रेंच क्लिनिकल टेक्स्ट पर बुरी तरह विफल होते हैं: घने संक्षिप्ताक्षर, अस्पताल प्रणालियों के बीच असंगत फॉर्मेटिंग, और बायोमार्कर शब्दावली जो सामान्य प्रशिक्षण डेटा में मुश्किल से दिखाई देती है। DEMNE इसे एक ही मॉडल के बजाय एक चरणबद्ध पाइपलाइन से हल करता है — हर चरण वही करता है जो उसमें सबसे अच्छा होता है, और आवश्यकता पड़ने पर ही भारी मॉडल की ओर बढ़ता है।
यह सिस्टम तीन अलग-अलग फ्रेंच ऑन्कोलॉजी कॉर्पस पर DrBERT-7GB को फाइन-ट्यून करता है, और उपचार-संबंधी रिपोर्टिंग में इस्तेमाल होने वाले सात प्राथमिकता वाले बायोमार्कर एंटिटी प्रकारों को लक्षित करता है।
रेगेक्स और लेक्सिकॉन मिलान कम लागत पर उच्च-विश्वास, कम-अस्पष्टता वाली एंटिटीज़ को पकड़ता है — तारीखें, खुराकें, मानक बायोमार्कर संक्षिप्ताक्षर।
तीन ऑन्कोलॉजी कॉर्पस पर फाइन-ट्यून किया गया DrBERT-7GB उन एंटिटीज़ को संभालता है जिन्हें वास्तविक अर्थगत और डोमेन समझ की आवश्यकता होती है।
शेष टकरावों और सीमांत मामलों को आउटपुट से पहले अंतिम अस्पष्टता निवारण के लिए एलएलएम चरण में भेजा जाता है।
रोगी रिकॉर्ड पर क्लिनिकल एंटिटी एक्सट्रैक्शन स्पष्ट रूप से EU AI Act की उच्च-जोखिम श्रेणी में आता है। DEMNE का चरणबद्ध डिज़ाइन शुरुआत से ही अनुच्छेद 12 और 14 को ध्यान में रखता है, बाद में जोड़े गए उपाय के रूप में नहीं।
हर एक्सट्रैक्शन निर्णय उस चरण (नियम, ट्रांसफॉर्मर, या एलएलएम) और विश्वास स्कोर तक ट्रेस किया जा सकता है जिसने उसे उत्पन्न किया, जिससे स्वचालित ऑडिट लॉगिंग संभव होती है।
एलएलएम मध्यस्थता के आउटपुट को चुपचाप स्वीकार करने के बजाय क्लिनिशियन समीक्षा के लिए फ्लैग किया जाता है, जिससे अस्पष्ट मामलों में मानव की भूमिका बनी रहती है।
अस्पताल डेटा पर DEMNE के रूटिंग दृष्टिकोण को लागू और सत्यापित किया: फ़्रेंच क्लिनिकल रिपोर्टों से ऑन्कोलॉजी बायोमार्कर (ER, PR, HER2, Ki67, FISH) निकालना, और एक ऑडिट-योग्य, परिनियोजन-यथार्थ क्लिनिकल पथ परिभाषित करना।
फ़्रेंच ऑन्कोलॉजी टेक्स्ट के लिए एक हाइब्रिड क्लिनिकल NER पाइपलाइन (नियम / transformer / LLM), DEMNE, डिज़ाइन की — पाँच औपचारिक कॉर्पस मेट्रिक्स से संचालित; PhD आवेदनों से पहले Tremplin Recherche मार्ग की केंद्रीय परियोजना।
एक प्लेटफ़ॉर्म का निर्माण जो मस्तिष्क-चोट के मरीज़ों और व्यावसायिक चिकित्सकों को संज्ञानात्मक-क्षतिपूर्ति उपकरणों की तुलना का संरचित तरीका देता है। SN@SU हैकाथॉन में Python/Streamlit प्रोटोटाइप के रूप में शुरू हुआ (Sorbonne Université, UEROS L’ADAPT Île-de-France की व्यावसायिक चिकित्सक Flor Sanchez-Luizard के साथ); अब HDS/GDPR-अनुरूप होस्टिंग और क्लिनिकल टूल मिलान हेतु सिमेंटिक सर्च इंजन के साथ उत्पादन-स्तरीय पुनर्निर्माण (FastAPI, PostgreSQL, Next.js) की रूपरेखा बन रही है।
ESIEE Paris के पाँच-वर्षीय इंजीनियरिंग कार्यक्रम का पाँचवें वर्ष का छात्र, डेटा साइंस व AI (DSIA) में विशेषज्ञता।
AMD GPU संगतता (pyopencl, nabu, ufo-filters, pyvkfft) की जाँच हेतु OpenCL से autopkgtests विकसित किए, GitLab Salsa पर Debian/ROCm अवसंरचना में।
इंजीनियरिंग पढ़ाई के साथ-साथ प्राथमिक से बारहवीं तक के लगभग दस छात्रों को गणित और भौतिकी-रसायन पढ़ाना।
सबमिशन की दिशा में आगे बढ़ते हुए DEMNE कार्य का लिखित रिकॉर्ड।
DEMNE कैस्केड फ्रेमवर्क, पैराडाइम चयन के लिए उपयोग किए गए पाँच कॉर्पस-कैरेक्टराइज़ेशन मेट्रिक्स, और तीन फ्रेंच ऑन्कोलॉजी कॉर्पस में ग्रिड-सर्च कैलिब्रेशन परिणामों का विवरण देने वाली पांडुलिपि।
DEMNE के अलावा — एक हैकाथॉन और कोर्सवर्क के लिए शुरू से अंत तक बनाए गए टूल्स।
मस्तिष्क चोट से ग्रस्त लोगों और उनके व्यावसायिक चिकित्सकों के लिए डिजिटल संज्ञानात्मक-क्षतिपूर्ति उपकरणों की सूची।
फ़्रांस में 15 वर्षों के पृष्ठभूमि वायु प्रदूषण को पुनर्निर्मित करने वाला एक इंटरैक्टिव डैशबोर्ड (2000–2015)।
स्थिर छवियों और फिर वीडियो पर CNN-आधारित चेहरा पहचान, डेटा ऑगमेंटेशन और फ़ेस अलाइनमेंट के साथ।
ऑब्जेक्ट-ओरिएंटेड डिज़ाइन के साथ, टर्मिनल में खेली जाने वाली Python की टेक्स्ट एडवेंचर गेम।
एक पाककला डेटा-एनालिटिक्स प्लेटफ़ॉर्म: स्क्रैपिंग, ETL और रेसिपी डेटा पर एक डैशबोर्ड।
Debian की CI अवसंरचना पर, AMD GPU पर वैज्ञानिक सॉफ़्टवेयर को सत्यापित करने वाले autopkgtest स्क्रिप्ट।
ऊपर के काम से प्रासंगिकता के अनुसार समूहीकृत टूल्स — कोई सामान्य सूची नहीं।
असंरचित फ्रेंच ऑन्कोलॉजी टेक्स्ट से बायोमार्कर, स्टेजिंग और उपचार डेटा निकालना — वह बिंदु जहां सामान्य-प्रयोजन एनएलपी विफल होता है और डोमेन अनुकूलन शुरू होता है।
ऐसे सिस्टम डिज़ाइन करना जो प्रदर्शन सीमा को पूरा करने वाले सबसे कम अपारदर्शी स्तर की ओर रूट करते हैं। EU AI Act का अनुपालन एक डिज़ाइन बाधा के रूप में, न कि बाद में सोचे गए विचार के रूप में।
दीर्घकालिक दिशा: क्लिनिकल टेक्स्ट, इमेजिंग और जीनोमिक्स को ऐसे मॉडलों में एकीकृत करना जो मोडैलिटी के पार तर्क करते हैं — चिकित्सा पर लागू वर्ल्ड-मॉडल्स दिशा।
Complétude में लगभग दस छात्रों को गणित और भौतिकी-रसायन शास्त्र पढ़ाना, प्राथमिक से लेकर बारहवीं कक्षा तक (उच्च शिक्षा को छोड़कर)। सघन अवधारणाओं को सीखने योग्य बनाना एक शोध कौशल है, कोई साइड-गिग नहीं।
ऊपर दिए गए कार्य के पीछे की विधियों, गतिरोधों और निर्णयों पर लंबे लेख।
यह एक विश्लेषण है कि मानक एनईआर पाइपलाइन फ्रेंच ऑन्कोलॉजी रिपोर्टों पर कहाँ विफल होते हैं, और इसका DEMNE की संरचना के लिए क्या मतलब है।
एलएलएम को कॉल करने से पहले नियमों और एक फाइन-ट्यून किए गए ट्रांसफॉर्मर के माध्यम से एंटिटीज़ को रूट करने का तर्क — और गलत होने पर इसकी कीमत।