Clément Longeac — klinische NLP & biomedische AI

01 — Over mij

Van bijles wiskunde tot het modelleren van tumormarkers

Ik ben een vierdejaars student aan ESIEE Paris, specialisatie Data Science & AI, ingeschreven in het Tremplin Recherche-traject van de school — een programma voor studenten die op een doctoraat mikken in plaats van een standaard bedrijfsstage.

Mijn werk draait om ongestructureerde klinische tekst bruikbaar te maken voor onderzoek: het extraheren van biomarkers, stadiëringsinformatie en behandelingsdetails verborgen in Franse oncologierapporten, waar generieke NLP-tools stelselmatig falen op domeinspecifieke woordenschat en documentstructuur.

Naast mijn studie geef ik bijles wiskunde en natuurkunde-scheikunde via Complétude, en bereid ik sollicitaties voor een CIFRE-industrieel doctoraat in biomedische AI aan de Sorbonne-universiteit voor.

Op langere termijn is het diezelfde discipline — betrouwbare structuur halen uit rommelige, hoog-risicotekst — die me naar AI-veiligheidsonderzoek trekt: het bouwen en evalueren van world models via AMI Labs en het Anthropic Fellows Program. (Concepttekst — vervang door je eigen definitieve formulering.)

Instelling: ESIEE Paris
Programma: Data Science & AI (DSIA)
Traject: Tremplin Recherche
Volgende stap: PhD, biomedische AI — Sorbonne
Talen: FR · EN · JP · ES

02 — Onderzoek

DEMNE

Een hybride named-entity-recognitionpipeline voor Franse oncologische klinische tekst.

Resultaten

Wat de gefaseerde aanpak oplevert

0.0%

van de vermeldingen naar regels gerouteerd (ongeziene AP-HP-cohort, 411/413)

0.000

regel-F1 vs 0,358 voor een fijnafgestemde DrBERT

0.000

routeringsconcordantie (leave-one-corpus-out)

Determination of Extraction Methods for Named Entities

Klinische NER · Franse oncologiecorpora

Standaard NER-modellen falen flink op Franse klinische tekst: dichte afkortingen, inconsistente opmaak tussen ziekenhuissystemen, en biomarkerterminologie die nauwelijks voorkomt in algemene trainingsdata. DEMNE pakt dit aan met een gefaseerde pipeline in plaats van één model — elke fase doet waar hij goed in is, en schaalt alleen op naar een zwaarder model wanneer nodig.

Het systeem is fijn afgesteld op DrBERT-7GB over drie verschillende Franse oncologiecorpora, en richt zich op zeven prioritaire biomarker-entiteitstypen die worden gebruikt in behandelingsrelevante rapportage.

Klinische NLPTransformersDrBERT-7GBFranse oncologie

Bekijk de repository Lees de methodologie

Regelgebaseerde stap

Regex- en lexiconmatching vangt tegen lage kosten hoogzekere, laag-ambigue entiteiten — datums, doseringen, standaard biomarkerafkortingen.

Transformer-extractie

DrBERT-7GB, fijn afgesteld over drie oncologiecorpora, behandelt de entiteiten die echt semantisch en domeinbegrip vereisen.

LLM-arbitrage

Resterende conflicten en randgevallen worden voor de uiteindelijke disambiguatie doorgestuurd naar een LLM-stap.

Regelgevende afstemming — EU AI Act

Klinische entiteitsextractie op patiëntdossiers valt duidelijk binnen de hoogrisicocategorie van de EU AI Act. Het gefaseerde ontwerp van DEMNE houdt vanaf het begin rekening met artikel 12 en 14, niet achteraf toegevoegd.

Art. 12 — Registratie

Elke extractiebeslissing is te herleiden tot de fase (regels, transformer of LLM) en het betrouwbaarheidsscore die deze produceerde, wat automatische auditlogging mogelijk maakt.

Art. 14 — Menselijk toezicht

Uitkomsten van LLM-arbitrage worden gemarkeerd voor klinische beoordeling in plaats van stilzwijgend geaccepteerd, zodat een mens betrokken blijft bij ambigue gevallen.

03 — Ervaring

Waar het werk tot nu toe heeft plaatsgevonden

Mei – jul. 2026

Onderzoeksstagiair, klinisch datawarehouse

AP-HP (Assistance Publique – Hôpitaux de Paris)

De DEMNE-routeringsaanpak toegepast en gevalideerd op ziekenhuisgegevens: extractie van oncologische biomarkers (ER, PR, HER2, Ki67, FISH) uit Franse klinische rapporten en definitie van een auditeerbaar, inzetgericht klinisch traject.

Clinical NLPEDS-NLPBRAT / CoNLLPythonDrBERT

Okt. 2025 – mei 2026

Stud, onderzoeker, Tremplin Recherche

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

DEMNE ontworpen, een hybride klinische NER-pijplijn (regels / transformer / LLM) voor Franse oncologische tekst, gestuurd door vijf geformaliseerde corpusmetingen — het kernproject van het Tremplin-Recherche-traject met het oog op promotieaanvragen.

PythonHugging FaceDrBERTpycrfsuiteeco2aiBRAT / CoNLLOptuna

2026 – HedenLopend

Product Lead & ontwikkelaar, NeuroStep

Junior Entreprise ESIEE Paris

Bouw van een platform dat mensen met hersenletsel en ergotherapeuten een gestructureerde manier biedt om cognitieve compensatiehulpmiddelen te vergelijken. Begonnen als Python/Streamlit-prototype op de SN@SU-hackathon (Sorbonne Université, met Flor Sanchez-Luizard, ergotherapeut bij UEROS L’ADAPT Île-de-France); nu wordt een productieherbouw (FastAPI, PostgreSQL, Next.js) afgebakend met HDS/AVG-conforme hosting en een semantische zoekmachine voor het matchen van klinische hulpmiddelen.

PythonStreamlitFastAPIPostgreSQLNext.js

2024 – 2027

Ingenieursstudent — Data Science & AI

ESIEE Paris

Vijfdejaarsstudent in het vijfjarige ingenieursprogramma van ESIEE Paris, specialisatie Data Science & AI (DSIA).

Machine LearningDeep LearningData ScienceC / C++

2025

Ingenieursstagiair, afdeling GRADES

Synchrotron SOLEIL

autopkgtests ontwikkeld met OpenCL voor AMD-GPU-compatibiliteit (pyopencl, nabu, ufo-filters, pyvkfft) over de Debian/ROCm-infrastructuur op GitLab Salsa.

OpenCLPythonBashDebianGitLab CIROCm

2022 – Heden

Bijlesdocent (bèta)

Complétude

Wiskunde en natuur-scheikunde gegeven aan een tiental leerlingen, van de basisschool tot het eindexamenjaar, naast mijn ingenieursstudie.

MathematicsPhysicsPedagogy

06 — Technische stack

Technische stack

Tools gegroepeerd naar relevantie voor het werk hierboven — geen generieke lijst.

Klinische NLP & biomedische AI

DrBERT-7GB · CamemBERT · spaCy · HuggingFace Transformers

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

Clinical text preprocessing · Domain adaptation

Systemen & infrastructuur

Python · FastAPI · PostgreSQL · Docker · Kubernetes

Linux · Debian · GitLab CI · GitHub Actions

OpenCL · pyopencl · ROCm · CUDA (basic)

Onderzoekshulpmiddelen

PyTorch · LaTeX/Overleaf · TikZ · Zotero

Jupyter · pandas · NumPy · matplotlib

Talen

🇫🇷 Moedertaal · 🇬🇧 C1 · 🇯🇵 Gemiddeld · 🇪🇸 B2 · 🇮🇹 In ontwikkeling

07 — Aandachtsgebieden

Aandachtsgebieden

Klinische named entity recognition

Extractie van biomarkers, stadiëring en behandelgegevens uit ongestructureerde Franse oncologische teksten. Waar generieke NLP faalt en domeinadaptatie begint.

Frugale & interpreteerbare AI

Systemen ontwerpen die naar het minst ondoorzichtige niveau routeren dat aan de prestatiedrempels voldoet. Naleving van de EU AI Act als ontwerpbeperking, niet als bijgedachte.

III

Multimodaal biomedisch redeneren

Langetermijnrichting: klinische tekst, beeldvorming en genomica verenigen in modellen die over modaliteiten heen redeneren. De world-models-aanpak toegepast op de geneeskunde.

Didactiek van complexe systemen

Wiskunde en natuurkunde-scheikunde geven aan een tiental leerlingen bij Complétude, van de basisschool tot het laatste jaar middelbare school. Dichte concepten leerbaar maken is een onderzoeksvaardigheid, geen bijbaantje.

Biomarkers uit klinische tekst halen zonder de GPU wakker te maken

Van bijles wiskunde tot het modelleren van tumormarkers

DEMNE

Wat de gefaseerde aanpak oplevert

Determination of Extraction Methods for Named Entities

Regelgebaseerde stap

Transformer-extractie

LLM-arbitrage

Regelgevende afstemming — EU AI Act

Waar het werk tot nu toe heeft plaatsgevonden

Onderzoeksstagiair, klinisch datawarehouse

Stud, onderzoeker, Tremplin Recherche

Product Lead & ontwikkelaar, NeuroStep

Ingenieursstudent — Data Science & AI

Ingenieursstagiair, afdeling GRADES

Bijlesdocent (bèta)

Publicaties & onderzoek

DEMNE: Determination of Extraction Method for Named Entity

Uitgelichte projecten

NeuroStep

Air Quality Dashboard

Face Recognition with Deep Learning

TBA — Text Adventure Game

Marmiton Data Intelligence

Debian ROCm CI