Évaluation des améliorations de prédiction d'hospitalisation par l'ajout de connaissances métier aux dossiers médicaux

Résumé : Les dossiers médicaux électroniques (DME) contiennent des informations essentielles sur les différents épisodes symptomatiques qu'un patient a subis. Cependant, les connaissances disponibles à travers ces enregistrements restent limitées : les attributs extractibles à partir de ces textes pour un algorithme d'apprentissage ne contiennent pas toutes les informations implicites connues par un expert. Afin d'évaluer et de pallier ce problème, nous avons étudié l'impact de l'augmentation des textes et des informations textuelles en provenance des DMEs par des annotations ontologiques générées automatiquement à partir de leur analyse afin d'enrichir en amont les représentations vectorielles utilisées ensuite par des algorithmes d'apprentissage.
Type de document :
Communication dans un congrès
EGC 2019 - Conférence Extraction et Gestion des connaissances 2019, Jan 2019, Metz, France. RNTI-E-35, Revue des Nouvelles Technologies de l'Information (RNTI)
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01967586
Contributeur : Raphaël Gazzotti <>
Soumis le : lundi 31 décembre 2018 - 19:16:16
Dernière modification le : vendredi 11 janvier 2019 - 08:56:08

Fichier

EGC_évaluation_des_améliorat...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01967586, version 1

Citation

Raphaël Gazzotti, Catherine Faron Zucker, Fabien Gandon, Virginie Lacroix-Hugues, David Darmon. Évaluation des améliorations de prédiction d'hospitalisation par l'ajout de connaissances métier aux dossiers médicaux. EGC 2019 - Conférence Extraction et Gestion des connaissances 2019, Jan 2019, Metz, France. RNTI-E-35, Revue des Nouvelles Technologies de l'Information (RNTI). 〈hal-01967586〉

Partager

Métriques

Consultations de la notice

104

Téléchargements de fichiers

31