Clément Longeac — Klinik NLP ve Biyomedikal AI

01 — Hakkımda

Matematik özel dersinden tümör belirteçlerini modellemeye

ESIEE Paris'te dördüncü sınıf öğrencisiyim, Veri Bilimi & Yapay Zeka uzmanlığındayım ve okulun Tremplin Recherche programına kayıtlıyım — bu program, standart bir sektör stajı yerine doktora araştırmasına yönelen öğrenciler için tasarlanmıştır.

Çalışmalarım, yapılandırılmamış klinik metni araştırma için kullanılabilir hale getirmeye odaklanıyor: genel amaçlı NLP araçlarının bu alana özgü kelime dağarcığı ve belge yapısı karşısında sürekli başarısız olduğu Fransız onkoloji raporlarında gizli biyobelirteçleri, evreleme bilgilerini ve tedavi detaylarını çıkarmak.

Çalışmalarımın yanı sıra Complétude aracılığıyla matematik ve fizik-kimya dersleri veriyor, Sorbonne Üniversitesi'nde biyomedikal yapay zeka alanında bir CIFRE endüstriyel doktora başvurusu hazırlıyorum.

Uzun vadede, dağınık ve yüksek riskli metinden güvenilir yapı çıkarma disiplini, beni yapay zeka güvenliği araştırmalarına çekiyor: AMI Labs ve Anthropic Fellows Programı aracılığıyla world model inşa etmek ve değerlendirmek. (Bu taslak bir satır — kendi nihai ifadenle değiştir.)

Kurum: ESIEE Paris
Program: Veri Bilimi & Yapay Zeka (DSIA)
Program türü: Tremplin Recherche
Sıradaki adım: Doktora, biyomedikal yapay zeka — Sorbonne
Diller: FR · EN · JP · ES

02 — Araştırma

DEMNE

Fransızca onkoloji klinik metni için hibrit bir adlandırılmış varlık tanıma hattı.

Sonuçlar

Aşamalı yaklaşımın kazandırdıkları

0.0%

of mentions routed to rules (unseen AP-HP cohort, 411/413)

0.000

rule F1 vs 0.358 for a fine-tuned DrBERT

0.000

leave-one-corpus-out routing concordance

Determination of Extraction Methods for Named Entities

Klinik NER · Fransızca onkoloji derlemleri

Hazır NER modelleri Fransızca klinik metinde ciddi şekilde başarısız olur: yoğun kısaltmalar, hastane sistemleri arasında tutarsız biçimlendirme ve genel eğitim verilerinde neredeyse hiç görünmeyen biyobelirteç terminolojisi. DEMNE bunu tek bir model yerine aşamalı bir hat ile ele alır — her aşama en iyi yaptığı işi üstlenir ve yalnızca gerektiğinde daha ağır bir modele geçer.

Sistem, üç farklı Fransızca onkoloji derlemi üzerinde DrBERT-7GB üzerinde ince ayar yapılmıştır ve tedaviyle ilgili raporlamada kullanılan yedi öncelikli biyobelirteç varlık türünü hedefler.

Klinik NLPTransformerDrBERT-7GBFransız onkolojisi

Depoyu görüntüle Metodolojiyi oku

Kural tabanlı aşama

Regex ve sözlük eşleştirmesi; tarihler, dozajlar, standart biyobelirteç kısaltmaları gibi yüksek güvenilirlikli, düşük belirsizlikli varlıkları düşük maliyetle yakalar.

Transformer ile çıkarım

Üç onkoloji derlemi üzerinde ince ayar yapılmış DrBERT-7GB, gerçek anlamsal ve alan anlayışı gerektiren varlıkları işler.

LLM ile hakemlik

Kalan çatışmalar ve sınır durumlar, çıktıdan önce nihai belirsizlik giderme için bir LLM aşamasına yönlendirilir.

Düzenleyici uyum — AB Yapay Zeka Yasası

Hasta kayıtları üzerinde klinik varlık çıkarımı, AB Yapay Zeka Yasası'nın yüksek riskli kategorisine doğrudan girer. DEMNE'nin aşamalı tasarımı, sonradan eklenmek yerine baştan itibaren 12. ve 14. Maddeleri göz önünde bulundurur.

Madde 12 — Kayıt tutma

Her çıkarım kararı, onu üreten aşamaya (kurallar, transformer veya LLM) ve güven skoruna kadar izlenebilir, bu da otomatik denetim kaydını mümkün kılar.

Madde 14 — İnsan gözetimi

LLM hakemlik çıktıları sessizce kabul edilmek yerine klinik inceleme için işaretlenir, böylece belirsiz vakalarda insan döngüde kalır.

03 — Deneyim

Çalışmaların şimdiye kadar gerçekleştiği yerler

May – Tem 2026

Araştırma stajyeri, Klinik Veri Ambarı

AP-HP (Assistance Publique – Hôpitaux de Paris)

DEMNE yönlendirme yaklaşımını hastane verisinde uyguladım ve doğruladım: Fransızca klinik raporlardan onkoloji biyobelirteçlerini (ER, PR, HER2, Ki67, FISH) çıkarmak ve denetlenebilir, dağıtıma uygun bir klinik yol tanımlamak.

Clinical NLPEDS-NLPBRAT / CoNLLPythonDrBERT

Eki 2025 – May 2026

Öğrenci araştırmacı, Tremplin Recherche

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

Fransızca onkoloji metinleri için hibrit bir klinik NER hattı (kurallar / transformer / LLM) olan DEMNE’yi tasarladım; beş biçimselleştirilmiş korpus ölçütüyle yönetilir — doktora başvuruları öncesinde Tremplin Recherche izleğinin ana projesi.

PythonHugging FaceDrBERTpycrfsuiteeco2aiBRAT / CoNLLOptuna

2026 – GünümüzDevam ediyor

Product Lead ve geliştirici, NeuroStep

Junior Entreprise ESIEE Paris

Beyin hasarı olan hastalara ve ergoterapistlere bilişsel telafi araçlarını yapılandırılmış biçimde karşılaştırma olanağı veren bir platform geliştiriyorum. SN@SU hackathon’unda Python/Streamlit prototipi olarak başladı (Sorbonne Université, UEROS L’ADAPT Île-de-France’da ergoterapist Flor Sanchez-Luizard ile); şimdi HDS/GDPR uyumlu barındırma ve klinik araç eşleştirmesi için anlamsal arama motoruyla üretim düzeyinde yeniden inşa (FastAPI, PostgreSQL, Next.js) planlanıyor.

PythonStreamlitFastAPIPostgreSQLNext.js

2024 – 2027

Mühendislik öğrencisi — Veri Bilimi ve YZ

ESIEE Paris

ESIEE Paris’in beş yıllık mühendislik programının beşinci yıl öğrencisi, Veri Bilimi ve YZ (DSIA) uzmanlığı.

Machine LearningDeep LearningData ScienceC / C++

2025

Mühendis stajyer, GRADES bölümü

Synchrotron SOLEIL

AMD GPU uyumluluğu (pyopencl, nabu, ufo-filters, pyvkfft) için OpenCL ile autopkgtest geliştirme; GitLab Salsa üzerindeki Debian/ROCm altyapısında.

OpenCLPythonBashDebianGitLab CIROCm

2022 – Günümüz

Fen bilimleri özel öğretmeni

Complétude

Mühendislik eğitimimle birlikte, ilkokuldan lise son sınıfa kadar yaklaşık on öğrenciye matematik ve fizik-kimya dersleri.

MathematicsPhysicsPedagogy

06 — Teknik Altyapı

Teknik Altyapı

Yukarıdaki çalışmayla ilgisine göre gruplandırılmış araçlar — genel bir liste değil.

Klinik NLP ve Biyomedikal Yapay Zeka

DrBERT-7GB · CamemBERT · spaCy · HuggingFace Transformers

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

Clinical text preprocessing · Domain adaptation

Sistemler ve Altyapı

Python · FastAPI · PostgreSQL · Docker · Kubernetes

Linux · Debian · GitLab CI · GitHub Actions

OpenCL · pyopencl · ROCm · CUDA (basic)

Araştırma Araçları

PyTorch · LaTeX/Overleaf · TikZ · Zotero

Jupyter · pandas · NumPy · matplotlib

Diller

🇫🇷 Anadil · 🇬🇧 C1 · 🇯🇵 Orta düzey · 🇪🇸 B2 · 🇮🇹 Öğreniyorum

07 — Odak Alanları

Odak Alanları

Klinik Adlandırılmış Varlık Tanıma

Yapılandırılmamış Fransızca onkoloji metinlerinden biyobelirteç, evreleme ve tedavi verilerini çıkarmak — genel amaçlı NLP'nin çöktüğü ve alan uyarlamasının başladığı nokta.

Tutumlu ve Yorumlanabilir Yapay Zeka

Performans eşiklerini karşılayan en az opak katmana yönlendiren sistemler tasarlamak. AB Yapay Zeka Yasası'na uyumu, sonradan akla gelen bir fikir değil, bir tasarım kısıtı olarak ele almak.

III

Çok Modlu Biyomedikal Akıl Yürütme

Uzun vadeli yön: klinik metni, görüntülemeyi ve genomiği, modaliteler arasında akıl yürüten modellerde birleştirmek. Dünya modelleri yaklaşımının tıbba uygulanması.

Karmaşık Sistemlerin Pedagojisi

Complétude'de yaklaşık on öğrenciye ilkokuldan lise son sınıfa kadar (yükseköğrenim hariç) matematik ve fizik-kimya öğretmek. Yoğun kavramları öğrenilebilir kılmak bir araştırma becerisidir, yan iş değil.

GPU'yu uyandırmadan klinik metinden biyobelirteç çıkarıyorum

Matematik özel dersinden tümör belirteçlerini modellemeye

DEMNE

Aşamalı yaklaşımın kazandırdıkları

Determination of Extraction Methods for Named Entities

Kural tabanlı aşama

Transformer ile çıkarım

LLM ile hakemlik

Düzenleyici uyum — AB Yapay Zeka Yasası

Çalışmaların şimdiye kadar gerçekleştiği yerler

Araştırma stajyeri, Klinik Veri Ambarı

Öğrenci araştırmacı, Tremplin Recherche

Product Lead ve geliştirici, NeuroStep

Mühendislik öğrencisi — Veri Bilimi ve YZ

Mühendis stajyer, GRADES bölümü

Fen bilimleri özel öğretmeni

Yayınlar ve araştırma

DEMNE: Determination of Extraction Method for Named Entity

Seçilmiş Projeler

NeuroStep

Air Quality Dashboard

Face Recognition with Deep Learning

TBA — Text Adventure Game

Marmiton Data Intelligence

Debian ROCm CI