Я Clément Longeac. Я створюю DEMNE — фреймворк маршрутизації, який для кожного типу сутності обирає найлегший метод, що лишається надійним: правила, трансформер або LLM. На раніше не баченій когорті AP-HP він спрямовує 99,5 % згадок до аудитованих правил з F1 0,941, тоді як донавчений трансформер досягає лише 0,358.
Я студент четвертого курсу ESIEE Paris, спеціалізація Data Science & AI, навчаюся за програмою Tremplin Recherche школи — програмою для студентів, орієнтованих на докторантуру, а не на стандартне стажування в індустрії.
Моя робота зосереджена на тому, щоб зробити неструктурований клінічний текст придатним для досліджень: вилучення біомаркерів, інформації про стадіювання та деталей лікування, прихованих у французьких онкологічних звітах, де універсальні інструменти NLP систематично зазнають невдачі через специфічну лексику та структуру документів.
Паралельно з навчанням я викладаю математику та фізику-хімію через Complétude, а також готую заявки на промислову докторантуру CIFRE з біомедичного ШІ в Сорбонському університеті.
У довгостроковій перспективі саме ця дисципліна — здобування надійної структури з хаотичного, високоризикового тексту — приваблює мене до досліджень безпеки ШІ: побудови та оцінки world model через AMI Labs та програму Anthropic Fellows. (Це чорновий рядок — замініть на власне остаточне формулювання.)
Гібридний конвеєр розпізнавання іменованих сутностей для французького онкологічного клінічного тексту.
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
Готові моделі NER суттєво програють на французькому клінічному тексті: щільні скорочення, неузгоджене форматування між лікарняними системами та термінологія біомаркерів, яка майже не трапляється в загальних навчальних даних. DEMNE вирішує це за допомогою поетапного конвеєра замість єдиної моделі — кожен етап робить те, що вміє найкраще, і переходить до важчої моделі лише за потреби.
Систему донавчено на DrBERT-7GB на трьох різних французьких онкологічних корпусах, і вона орієнтована на сім пріоритетних типів сутностей-біомаркерів, які використовуються у звітності, релевантній для лікування.
Зіставлення за регулярними виразами та словниками недорого вловлює сутності з високою впевненістю та низькою неоднозначністю — дати, дозування, стандартні скорочення біомаркерів.
DrBERT-7GB, донавчений на трьох онкологічних корпусах, обробляє сутності, що потребують справжнього семантичного та предметного розуміння.
Залишкові конфлікти та граничні випадки направляються на етап LLM для остаточного усунення неоднозначності перед виводом.
Вилучення клінічних сутностей з медичних записів пацієнтів однозначно потрапляє до категорії високого ризику EU AI Act. Поетапна архітектура DEMNE враховує статті 12 та 14 з самого початку, а не додає їх заднім числом.
Кожне рішення про вилучення можна простежити до етапу (правила, трансформер або LLM) та оцінки впевненості, яка його породила, що дає змогу автоматично вести журнал аудиту.
Результати арбітражу LLM позначаються для перевірки клініцистом, а не приймаються мовчки, що зберігає участь людини у неоднозначних випадках.
Застосував і валідував підхід маршрутизації DEMNE на лікарняних даних: вилучення онкологічних біомаркерів (ER, PR, HER2, Ki67, FISH) із французьких клінічних звітів і визначення аудитованого, реалістичного для впровадження клінічного шляху.
Спроєктував DEMNE — гібридний клінічний NER-конвеєр (правила / transformer / LLM) для французьких онкологічних текстів, керований п’ятьма формалізованими метриками корпусів; ключовий проєкт треку Tremplin Recherche перед подачею на PhD.
Створення платформи, що дає пацієнтам із травмами мозку й ерготерапевтам структурований спосіб порівнювати інструменти когнітивної компенсації. Починалася як прототип на Python/Streamlit на хакатоні SN@SU (Sorbonne Université, разом із Flor Sanchez-Luizard, ерготерапевткою в UEROS L’ADAPT Île-de-France); зараз окреслюється продакшн-перебудова (FastAPI, PostgreSQL, Next.js) із хостингом, сумісним із HDS/GDPR, і семантичним пошуковим рушієм для добору клінічних інструментів.
Студент п’ятого курсу п’ятирічної інженерної програми ESIEE Paris, спеціалізація Data Science та ШІ (DSIA).
Розробка autopkgtests на OpenCL для перевірки сумісності GPU AMD (pyopencl, nabu, ufo-filters, pyvkfft) в інфраструктурі Debian/ROCm на GitLab Salsa.
Викладання математики та фізики-хімії приблизно десятьом учням, від початкової школи до випускного класу, паралельно з інженерним навчанням.
Письмовий запис роботи над DEMNE у міру просування до публікації.
Рукопис, що детально описує каскадну структуру DEMNE, п'ять метрик характеризації корпусу, використаних для вибору парадигми, та результати калібрування ґратчастого пошуку на трьох французьких онкологічних корпусах.
Окрім DEMNE — інструменти, створені від початку до кінця для хакатону та навчальних проєктів.
Каталог цифрових інструментів когнітивної компенсації для людей із травмами мозку та їхніх ерготерапевтів.
Інтерактивна панель, що реконструює 15 років фонового забруднення повітря у Франції (2000–2015).
Розпізнавання облич на основі CNN на статичних зображеннях, а потім на відео, з аугментацією даних і вирівнюванням обличчя.
Текстова пригодницька гра для термінала на Python з об’єктно-орієнтованим дизайном.
Платформа аналітики кулінарних даних: скрапінг, ETL і панель за даними рецептів.
Скрипти autopkgtest, що перевіряють наукове ПЗ на GPU AMD в CI-інфраструктурі Debian.
Інструменти, згруповані за значущістю для роботи вище — не загальний перелік.
Видобування біомаркерів, стадії та даних лікування з неструктурованих французьких онкологічних текстів — там, де загальний NLP дає збій і починається адаптація до домену.
Проєктування систем, що спрямовують завдання до найменш непрозорого рівня, який відповідає порогам продуктивності. Відповідність Закону ЄС про ШІ як обмеження проєктування, а не запізніла думка.
Довгострокова мета: об'єднати клінічний текст, зображення та геноміку в моделях, що міркують між модальностями — підхід world models, застосований до медицини.
Викладання математики та фізики-хімії приблизно десятьом учням у Complétude — від початкової школи до випускного класу ліцею (без вищої освіти). Зробити щільні концепції доступними для розуміння — це дослідницька навичка, а не підробіток.
Розлогіші матеріали про методи, глухі кути та рішення, що стоять за роботою вище.
Огляд того, де стандартні конвеєри NER зазнають невдачі на французьких онкологічних звітах, і що це означає для структури DEMNE.
Аргументація на користь маршрутизації сутностей через правила та донавчений трансформер, перш ніж взагалі викликати LLM — і якою є ціна помилки в цьому.