私は Clément Longeac です。エンティティの種類ごとに、信頼できる最も軽い方法——ルール、transformer、または LLM——を選ぶルーティングフレームワーク DEMNE を開発しています。未見の AP-HP コホートでは、言及の 99.5% を監査可能なルールへ振り分け、F1 は 0.941 に達します。ファインチューニングした transformer は 0.358 にとどまります。
私はパリESIEE工科大学の4年生で、データサイエンス・AIを専攻し、学校のTremplin Rechercheコースに在籍しています。これは標準的な企業インターンではなく、博士研究を目指す学生向けのプログラムです。
私の仕事は、非構造化された臨床テキストを研究に活用できるようにすることです。フランス語の腫瘍学レポートに埋もれた生体マーカー、病期情報、治療の詳細を抽出しますが、汎用のNLPツールはこの分野特有の語彙や文書構造に対して一貫して機能不全に陥ります。
学業と並行して、Complétudeで数学・物理化学の家庭教師をしており、ソルボンヌ大学の生物医学AI分野でのCIFRE産学連携博士課程への出願準備を進めています。
長期的には、乱雑でリスクの高いテキストから信頼できる構造を引き出すという同じ規律が、AMI LabsやAnthropic Fellowsプログラムを通じたworld modelの構築・評価というAI安全性研究への関心につながっています。（この文章は下書きです。最終的な表現に置き換えてください。）
フランス語の腫瘍学臨床テキスト向けハイブリッド固有表現抽出パイプライン。
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
既製のNERモデルはフランス語の臨床テキストで大きくつまずきます：密度の高い略語、病院システムごとに一貫しないフォーマット、一般的な学習データにはほとんど現れない生体マーカーの専門用語などです。DEMNEは単一モデルではなく段階的なパイプラインでこれに対処します——各段階は得意な処理を担い、必要な場合のみより重いモデルへエスカレーションします。
システムはDrBERT-7GBを3つの異なるフランス語腫瘍学コーパスでファインチューニングし、治療関連レポートで使用される7種類の優先的な生体マーカー実体タイプを対象としています。
正規表現と辞書によるマッチングで、日付・投与量・標準的な生体マーカー略語など、信頼度が高く曖昧性の低い実体を低コストで捕捉します。
3つの腫瘍学コーパスでファインチューニングされたDrBERT-7GBが、真の意味理解とドメイン理解を要する実体を処理します。
残った競合やエッジケースは、出力前の最終的な曖昧性解消のためLLM処理へ回されます。
患者記録に対する臨床実体抽出は、EU AI Actの高リスクカテゴリに明確に該当します。DEMNEの段階的設計は、後付けではなく最初から第12条と第14条を念頭に置いています。
すべての抽出決定は、それを生成した段階（ルール、Transformer、またはLLM）と信頼度スコアまでトレース可能で、自動的な監査ログ記録が可能です。
LLMによる裁定結果は黙って受け入れられるのではなく、臨床医によるレビュー対象としてフラグ付けされ、曖昧なケースでは人間が判断に関与し続けます。
病院データ上で DEMNE のルーティング手法を適用・検証：フランス語臨床レポートから腫瘍学バイオマーカー（ER, PR, HER2, Ki67, FISH）を抽出し、監査可能で実運用に即した臨床パスを定義しました。
フランス語腫瘍学テキスト向けのハイブリッド臨床 NER パイプライン（ルール / transformer / LLM）である DEMNE を設計。5 つの形式化されたコーパス指標に基づき、博士課程出願に向けた Tremplin Recherche の中核プロジェクトです。
脳損傷の患者と作業療法士が認知補償ツールを体系的に比較できるプラットフォームを構築。SN@SU ハッカソンでの Python/Streamlit プロトタイプとして始まりました（Sorbonne Université、UEROS L’ADAPT Île-de-France の作業療法士 Flor Sanchez-Luizard と協働）。現在、HDS/GDPR 準拠のホスティングと臨床ツールマッチング用のセマンティック検索エンジンを備えた本番再構築（FastAPI, PostgreSQL, Next.js）を検討中です。
ESIEE Paris の 5 年制工学課程の 5 年次生で、データサイエンス & AI（DSIA）を専攻。
AMD GPU の互換性（pyopencl, nabu, ufo-filters, pyvkfft）を確認するため OpenCL で autopkgtest を開発し、GitLab Salsa 上の Debian/ROCm 基盤で実行。
工学の学業と並行して、小学生から高校最終学年までの約 10 名に数学と物理・化学を指導。
DEMNEのほかに、ハッカソンや授業課題のために一から作り上げたツール。
脳損傷のある人々とその作業療法士のための、デジタル認知補償ツールのカタログ。
フランスの 15 年分の背景大気汚染を再構成するインタラクティブなダッシュボード（2000–2015）。
CNN ベースの顔認識を静止画、次いで動画に適用し、データ拡張と顔のアライメントを用いる。
オブジェクト指向設計による、ターミナルで遊ぶ Python のテキストアドベンチャー。
料理データ分析プラットフォーム：スクレイピング、ETL、レシピデータのダッシュボード。
Debian の CI 基盤上で、AMD GPU 上の科学ソフトウェアを検証する autopkgtest スクリプト。
上記の研究との関連性でグループ分けしたツール——一般的な羅列ではない。
非構造化のフランス語腫瘍学テキストからバイオマーカー、病期、治療データを抽出する——汎用NLPが破綻し、ドメイン適応が始まる領域。
性能基準を満たす範囲で最も透明性の高い層へルーティングするシステムを設計する。EU AI法への準拠を後付けではなく設計上の制約として扱う。
長期的な方向性：臨床テキスト、画像、ゲノミクスを統合し、モダリティを横断して推論するモデルを構築する。world modelsのアプローチを医学に応用する。
Complétudeで約10名の生徒に数学と物理化学を指導（小学校から高校最終学年まで、高等教育は対象外）。密度の高い概念を学べる形にすることは、片手間の仕事ではなく研究スキルである。