Clément Longeac — PLN clínico e IA biomédica

01 — Sobre mim

De dar aulas de matemática à modelagem de biomarcadores tumorais

Sou estudante do quarto ano na ESIEE Paris, especialização em Data Science & IA, matriculado na trilha Tremplin Recherche da escola — um programa voltado a estudantes que buscam o doutorado em vez de um estágio industrial padrão.

Meu trabalho é centrado em tornar o texto clínico não estruturado utilizável: extrair biomarcadores, informações de estadiamento e detalhes de tratamento enterrados em laudos de oncologia franceses, onde ferramentas de PLN genéricas falham sistematicamente diante do vocabulário e da estrutura documental do domínio.

Paralelamente aos estudos, dou aulas de matemática e físico-química pela Complétude, e estou preparando candidaturas para um doutorado industrial CIFRE em IA biomédica na Universidade Sorbonne.

A longo prazo, essa mesma disciplina — extrair estrutura confiável de um texto desorganizado e de alto risco — é o que me atrai para a pesquisa em segurança de IA: construir e avaliar world models via AMI Labs e o Anthropic Fellows Program. (Linha provisória — substitua pela sua formulação definitiva.)

Instituição: ESIEE Paris
Programa: Data Science & IA (DSIA)
Trilha: Tremplin Recherche
Próximo passo: Doutorado, IA biomédica — Sorbonne
Idiomas: FR · EN · JP · ES

02 — Pesquisa

DEMNE

Um pipeline híbrido de reconhecimento de entidades nomeadas para texto clínico oncológico francês.

Resultados

O que a abordagem em estágios traz

0.0%

das menções roteadas para regras (coorte AP-HP não vista, 411/413)

0.000

F1 das regras vs 0,358 de um DrBERT ajustado

0.000

concordância de roteamento leave-one-corpus-out

Determination of Extraction Methods for Named Entities

NER clínico · corpus de oncologia franceses

Modelos NER genéricos falham muito no texto clínico francês: abreviações densas, formatação inconsistente entre sistemas hospitalares e terminologia de biomarcadores quase ausente dos dados de treinamento gerais. O DEMNE resolve isso com um pipeline em estágios em vez de um único modelo — cada estágio lida com o que faz melhor, e só escala para um modelo mais pesado quando necessário.

O sistema é ajustado sobre o DrBERT-7GB em três corpus de oncologia franceses distintos, e visa sete tipos de entidades biomarcadoras prioritárias usadas em laudos relevantes para o tratamento.

PLN clínicoTransformersDrBERT-7GBOncologia francesa

Ver repositório Ler a metodologia

Etapa baseada em regras

Correspondência de padrões (regex, léxicos) captura a baixo custo entidades de alta confiança e baixa ambiguidade — datas, dosagens, abreviações padrão de biomarcadores.

Extração por transformer

O DrBERT-7GB, ajustado em três corpus de oncologia, trata as entidades que exigem compreensão semântica e de domínio real.

Arbitragem por LLM

Conflitos remanescentes e casos-limite são roteados para uma passagem de LLM para desambiguação final antes da saída.

Alinhamento regulatório — EU AI Act

A extração de entidades clínicas sobre prontuários de pacientes se enquadra diretamente na categoria de alto risco do EU AI Act. O design em estágios do DEMNE considera os artigos 12 e 14 desde o início, não como um adendo posterior.

Art. 12 — Manutenção de registros

Cada decisão de extração é rastreável até o estágio (regras, transformer ou LLM) e o índice de confiança que a produziu, permitindo registro automático para auditoria.

Art. 14 — Supervisão humana

As saídas da arbitragem por LLM são sinalizadas para revisão clínica em vez de aceitas silenciosamente, mantendo um humano no ciclo em casos ambíguos.

03 — Experiência

Onde o trabalho aconteceu até agora

Mai. – jul. 2026

Estagiário de investigação, Armazém de Dados Clínicos

AP-HP (Assistance Publique – Hôpitaux de Paris)

Apliquei e validei a abordagem de encaminhamento do DEMNE em dados hospitalares: extração de biomarcadores oncológicos (ER, PR, HER2, Ki67, FISH) de relatórios clínicos franceses e definição de um percurso clínico auditável e realista para implantação.

Clinical NLPEDS-NLPBRAT / CoNLLPythonDrBERT

Out. 2025 – mai. 2026

Investigador estudante, Tremplin Recherche

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

Concebi o DEMNE, um pipeline híbrido de NER clínico (regras / transformer / LLM) para texto oncológico francês, orientado por cinco métricas de corpus formalizadas — o projeto central do percurso Tremplin Recherche antes das candidaturas a doutoramento.

PythonHugging FaceDrBERTpycrfsuiteeco2aiBRAT / CoNLLOptuna

2026 – PresenteEm andamento

Product Lead e programador, NeuroStep

Junior Entreprise ESIEE Paris

Construção de uma plataforma que dá a pacientes com lesões cerebrais e a terapeutas ocupacionais uma forma estruturada de comparar ferramentas de compensação cognitiva. Nasceu como protótipo Python/Streamlit no hackathon SN@SU (Sorbonne Université, com Flor Sanchez-Luizard, terapeuta ocupacional na UEROS L’ADAPT Île-de-France); está agora a definir-se uma reconstrução de produção (FastAPI, PostgreSQL, Next.js) com alojamento conforme HDS/RGPD e um motor de pesquisa semântica para o emparelhamento de ferramentas clínicas.

PythonStreamlitFastAPIPostgreSQLNext.js

2024 – 2027

Estudante de engenharia — Data Science e IA

ESIEE Paris

Estudante do quinto ano do programa de engenharia de cinco anos da ESIEE Paris, especialização Data Science e IA (DSIA).

Machine LearningDeep LearningData ScienceC / C++

2025

Estagiário de engenharia, divisão GRADES

Synchrotron SOLEIL

Desenvolvimento de autopkgtests com OpenCL para a compatibilidade de GPU AMD (pyopencl, nabu, ufo-filters, pyvkfft) na infraestrutura Debian/ROCm no GitLab Salsa.

OpenCLPythonBashDebianGitLab CIROCm

2022 – Presente

Explicador de ciências (STEM)

Complétude

Aulas de matemática e físico-química a cerca de dez alunos, do primário ao último ano do secundário, em paralelo com os estudos de engenharia.

MathematicsPhysicsPedagogy

06 — Stack técnica

Stack técnica

Ferramentas agrupadas pela relevância para o trabalho acima — não uma 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 infraestrutura

Python · FastAPI · PostgreSQL · Docker · Kubernetes

Linux · Debian · GitLab CI · GitHub Actions

OpenCL · pyopencl · ROCm · CUDA (basic)

Ferramentas de pesquisa

PyTorch · LaTeX/Overleaf · TikZ · Zotero

Jupyter · pandas · NumPy · matplotlib

Idiomas

🇫🇷 Nativo · 🇬🇧 C1 · 🇯🇵 Intermediário · 🇪🇸 B2 · 🇮🇹 Em progresso

07 — Áreas de foco

Áreas de foco

Reconhecimento de entidades nomeadas clínicas

Extração de biomarcadores, estadiamento e dados de tratamento a partir de textos oncológicos franceses não estruturados. Onde o NLP genérico falha e a adaptação de domínio começa.

IA frugal e interpretável

Projetar sistemas que recorrem ao nível menos opaco que atenda aos limiares de desempenho. A conformidade com o AI Act da UE como restrição de design, não uma reflexão tardia.

III

Raciocínio biomédico multimodal

Direção de longo prazo: unificar texto clínico, imagem e genômica em modelos que raciocinam entre modalidades. A abordagem de world models aplicada à medicina.

Pedagogia de sistemas complexos

Ensino de matemática e físico-química para cerca de dez alunos na Complétude, do ensino fundamental até o último ano do ensino médio. Tornar conceitos densos ensináveis é uma habilidade de pesquisa, não um bico.

Extraindo biomarcadores de texto clínico sem acordar a GPU

De dar aulas de matemática à modelagem de biomarcadores tumorais

DEMNE

O que a abordagem em estágios traz

Determination of Extraction Methods for Named Entities

Etapa baseada em regras

Extração por transformer

Arbitragem por LLM

Alinhamento regulatório — EU AI Act

Onde o trabalho aconteceu até agora

Estagiário de investigação, Armazém de Dados Clínicos

Investigador estudante, Tremplin Recherche

Product Lead e programador, NeuroStep

Estudante de engenharia — Data Science e IA

Estagiário de engenharia, divisão GRADES

Explicador de ciências (STEM)

Publicações e pesquisa

DEMNE: Determination of Extraction Method for Named Entity

Projetos selecionados

NeuroStep

Air Quality Dashboard

Face Recognition with Deep Learning

TBA — Text Adventure Game

Marmiton Data Intelligence

Debian ROCm CI