Clément Longeac — Nghiên cứu AI, NLP lâm sàng và AI y sinh

01 — Giới thiệu

Từ dạy kèm toán đến mô hình hóa dấu ấn sinh học khối u

Tôi là sinh viên năm thứ tư tại ESIEE Paris, chuyên ngành Khoa học Dữ liệu & AI, theo học chương trình Tremplin Recherche của trường — một chương trình dành cho sinh viên hướng tới nghiên cứu tiến sĩ thay vì thực tập doanh nghiệp thông thường.

Công việc của tôi tập trung vào việc làm cho văn bản lâm sàng phi cấu trúc trở nên hữu ích cho nghiên cứu: trích xuất dấu ấn sinh học, thông tin phân giai đoạn và chi tiết điều trị ẩn trong các báo cáo ung bướu tiếng Pháp, nơi mà các công cụ NLP tổng quát liên tục thất bại trước từ vựng và cấu trúc tài liệu đặc thù của lĩnh vực này.

Bên cạnh việc học, tôi dạy kèm toán và lý-hóa thông qua Complétude, và đang chuẩn bị hồ sơ ứng tuyển chương trình tiến sĩ công nghiệp CIFRE về AI y sinh tại Đại học Sorbonne.

Về lâu dài, chính kỷ luật này — trích xuất cấu trúc đáng tin cậy từ văn bản hỗn độn, rủi ro cao — là điều thu hút tôi đến với nghiên cứu an toàn AI: xây dựng và đánh giá world model thông qua AMI Labs và chương trình Anthropic Fellows. (Đây là câu nháp — hãy thay bằng cách diễn đạt cuối cùng của bạn.)

Cơ sở đào tạo: ESIEE Paris
Chương trình: Khoa học Dữ liệu & AI (DSIA)
Hệ đào tạo: Tremplin Recherche
Bước tiếp theo: Tiến sĩ, AI y sinh — Sorbonne
Ngôn ngữ: FR · EN · JP · ES

02 — Nghiên cứu

DEMNE

Một pipeline nhận dạng thực thể có tên lai dành cho văn bản lâm sàng ung bướu tiếng Pháp.

Kết quả

Những gì phương pháp theo giai đoạn mang lại

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

NER lâm sàng · kho ngữ liệu ung bướu tiếng Pháp

Các mô hình NER có sẵn thất bại nặng nề trên văn bản lâm sàng tiếng Pháp: từ viết tắt dày đặc, định dạng không nhất quán giữa các hệ thống bệnh viện, và thuật ngữ dấu ấn sinh học hầu như không xuất hiện trong dữ liệu huấn luyện tổng quát. DEMNE giải quyết vấn đề này bằng một pipeline theo giai đoạn thay vì một mô hình duy nhất — mỗi giai đoạn xử lý phần việc mà nó làm tốt nhất, và chỉ chuyển sang mô hình nặng hơn khi cần thiết.

Hệ thống được tinh chỉnh trên DrBERT-7GB qua ba kho ngữ liệu ung bướu tiếng Pháp khác nhau, và nhắm đến bảy loại thực thể dấu ấn sinh học ưu tiên được sử dụng trong báo cáo liên quan đến điều trị.

NLP lâm sàngTransformerDrBERT-7GBUng bướu tiếng Pháp

Xem kho mã nguồn Đọc phương pháp luận

Giai đoạn dựa trên quy tắc

Khớp mẫu bằng regex và từ điển bắt được với chi phí thấp các thực thể có độ tin cậy cao, ít mơ hồ — ngày tháng, liều lượng, các từ viết tắt dấu ấn sinh học chuẩn.

Trích xuất bằng transformer

DrBERT-7GB, được tinh chỉnh trên ba kho ngữ liệu ung bướu, xử lý các thực thể đòi hỏi hiểu biết ngữ nghĩa và chuyên môn thực sự.

Phân xử bằng LLM

Các xung đột còn lại và trường hợp biên được chuyển đến giai đoạn LLM để giải quyết mơ hồ lần cuối trước khi xuất kết quả.

Tuân thủ quy định — EU AI Act

Việc trích xuất thực thể lâm sàng từ hồ sơ bệnh nhân rõ ràng thuộc nhóm rủi ro cao của EU AI Act. Thiết kế theo giai đoạn của DEMNE đã tính đến Điều 12 và 14 ngay từ đầu, chứ không phải bổ sung sau.

Điều 12 — Lưu trữ hồ sơ

Mọi quyết định trích xuất đều có thể truy vết đến giai đoạn (quy tắc, transformer hoặc LLM) và điểm tin cậy đã tạo ra nó, cho phép ghi nhật ký kiểm toán tự động.

Điều 14 — Giám sát của con người

Kết quả phân xử của LLM được gắn cờ để bác sĩ lâm sàng xem xét thay vì được chấp nhận âm thầm, giữ con người trong vòng lặp đối với các trường hợp mơ hồ.

03 — Kinh nghiệm

Công việc đã diễn ra ở đâu cho đến nay

Th.5 – Th.7 2026

Thực tập sinh nghiên cứu, Kho dữ liệu lâm sàng

AP-HP (Assistance Publique – Hôpitaux de Paris)

Áp dụng và kiểm chứng phương pháp định tuyến của DEMNE trên dữ liệu bệnh viện: trích xuất các dấu ấn sinh học ung thư (ER, PR, HER2, Ki67, FISH) từ báo cáo lâm sàng tiếng Pháp, và xác định một lộ trình lâm sàng có thể kiểm toán, sát với triển khai thực tế.

Clinical NLPEDS-NLPBRAT / CoNLLPythonDrBERT

Th.10 2025 – Th.5 2026

Nghiên cứu viên sinh viên, Tremplin Recherche

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

Thiết kế DEMNE, một pipeline NER lâm sàng lai (quy tắc / transformer / LLM) cho văn bản ung thư học tiếng Pháp, dẫn dắt bởi năm chỉ số kho ngữ liệu đã hình thức hóa — dự án cốt lõi của lộ trình Tremplin Recherche trước khi nộp hồ sơ tiến sĩ.

PythonHugging FaceDrBERTpycrfsuiteeco2aiBRAT / CoNLLOptuna

2026 – Hiện tạiĐang diễn ra

Product Lead kiêm lập trình viên, NeuroStep

Junior Entreprise ESIEE Paris

Xây dựng một nền tảng cho phép bệnh nhân tổn thương não và nhà trị liệu nghề nghiệp so sánh công cụ bù trừ nhận thức một cách có cấu trúc. Khởi đầu là nguyên mẫu Python/Streamlit tại hackathon SN@SU (Sorbonne Université, cùng Flor Sanchez-Luizard, nhà trị liệu nghề nghiệp tại UEROS L’ADAPT Île-de-France); hiện đang phác thảo việc tái dựng cấp sản xuất (FastAPI, PostgreSQL, Next.js) với lưu trữ tuân thủ HDS/GDPR và một công cụ tìm kiếm ngữ nghĩa để khớp công cụ lâm sàng.

PythonStreamlitFastAPIPostgreSQLNext.js

2024 – 2027

Sinh viên kỹ thuật — Khoa học dữ liệu & AI

ESIEE Paris

Sinh viên năm thứ năm của chương trình kỹ thuật năm năm tại ESIEE Paris, chuyên ngành Khoa học dữ liệu & AI (DSIA).

Machine LearningDeep LearningData ScienceC / C++

2025

Thực tập sinh kỹ thuật, bộ phận GRADES

Synchrotron SOLEIL

Phát triển autopkgtest bằng OpenCL để kiểm tra khả năng tương thích GPU AMD (pyopencl, nabu, ufo-filters, pyvkfft) trên hạ tầng Debian/ROCm tại GitLab Salsa.

OpenCLPythonBashDebianGitLab CIROCm

2022 – Hiện tại

Gia sư các môn khoa học

Complétude

Dạy toán và lý-hóa cho khoảng mười học sinh, từ tiểu học đến lớp cuối trung học phổ thông, song song với việc học kỹ thuật.

MathematicsPhysicsPedagogy

06 — Công nghệ sử dụng

Công nghệ sử dụng

Các công cụ được nhóm theo mức độ liên quan đến công việc ở trên — không phải một danh sách chung chung.

NLP lâm sàng & AI y sinh

DrBERT-7GB · CamemBERT · spaCy · HuggingFace Transformers

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

Clinical text preprocessing · Domain adaptation

Hệ thống & Hạ tầng

Python · FastAPI · PostgreSQL · Docker · Kubernetes

Linux · Debian · GitLab CI · GitHub Actions

OpenCL · pyopencl · ROCm · CUDA (basic)

Công cụ nghiên cứu

PyTorch · LaTeX/Overleaf · TikZ · Zotero

Jupyter · pandas · NumPy · matplotlib

Ngôn ngữ

🇫🇷 Tiếng mẹ đẻ · 🇬🇧 C1 · 🇯🇵 Trung cấp · 🇪🇸 B2 · 🇮🇹 Đang học

07 — Trọng tâm nghiên cứu

Trọng tâm nghiên cứu

Nhận dạng thực thể có tên trong lâm sàng

Trích xuất dấu ấn sinh học, giai đoạn bệnh và dữ liệu điều trị từ văn bản ung bướu tiếng Pháp phi cấu trúc — nơi NLP đa dụng thất bại và thích ứng theo lĩnh vực bắt đầu.

AI tiết kiệm và có thể diễn giải

Thiết kế các hệ thống định tuyến đến tầng ít mờ đục nhất vẫn đáp ứng ngưỡng hiệu năng. Tuân thủ Đạo luật AI của EU như một ràng buộc thiết kế, không phải một suy nghĩ muộn màng.

III

Suy luận y sinh đa phương thức

Định hướng dài hạn: hợp nhất văn bản lâm sàng, hình ảnh y khoa và bộ gen vào các mô hình suy luận xuyên phương thức — hướng tiếp cận world models áp dụng cho y học.

Sư phạm của các hệ thống phức tạp

Dạy toán và lý-hóa cho khoảng mười học sinh tại Complétude, từ tiểu học đến lớp cuối trung học phổ thông (không bao gồm bậc đại học). Biến các khái niệm dày đặc thành có thể học được là một kỹ năng nghiên cứu, không phải việc làm thêm.

Trích xuất dấu ấn sinh học từ văn bản lâm sàng mà không cần đánh thức GPU

Từ dạy kèm toán đến mô hình hóa dấu ấn sinh học khối u

DEMNE

Những gì phương pháp theo giai đoạn mang lại

Determination of Extraction Methods for Named Entities

Giai đoạn dựa trên quy tắc

Trích xuất bằng transformer

Phân xử bằng LLM

Tuân thủ quy định — EU AI Act

Công việc đã diễn ra ở đâu cho đến nay

Thực tập sinh nghiên cứu, Kho dữ liệu lâm sàng

Nghiên cứu viên sinh viên, Tremplin Recherche

Product Lead kiêm lập trình viên, NeuroStep

Sinh viên kỹ thuật — Khoa học dữ liệu & AI

Thực tập sinh kỹ thuật, bộ phận GRADES

Gia sư các môn khoa học

Công bố và nghiên cứu

DEMNE: Determination of Extraction Method for Named Entity

Dự án tiêu biểu

NeuroStep

Air Quality Dashboard

Face Recognition with Deep Learning

TBA — Text Adventure Game

Marmiton Data Intelligence

Debian ROCm CI