Développement et application de méthodes de traitement automatique des langues sur les causes médicales de décès pour la santé publique.
Résumé
Introduction
Les causes médicales sont renseignées par les médecins sur les certificats de décès en texte libre
avec une grande variété d'expressions. Les méthodes de traitement automatique des langues (TAL)
permettent d'envisager leur exploitation dans des délais courts. Cet article décrit la démarche
retenue pour développer ces méthodes et illustre leur utilisation pour l'alerte sanitaire.
Méthodes
L'identification des méthodes performantes s'inscrit dans le cadre d'un challenge international. Celui-
ci consiste à transmettre un corpus de données, comprenant le texte libre et les codes CIM10
considérés comme le gold standard, aux équipes participantes pour développer leur outil de
prédiction des codes CIM10 et à évaluer indépendamment les performances des outils sur un jeu de
test.
Certaines méthodes ont été utilisées pour la classification des causes en texte libre dans des
regroupements pertinents pour la surveillance réactive de la mortalité.
Résultats
Les meilleurs résultats ont été obtenus à l'aide de réseaux de neurones sur le corpus américain et
avec des méthodes à base de règles sur le corpus français. Une méthode mixte incluant des règles et
de la classification par SVM, ont produit des résultats meilleurs ou proches sur les deux corpus.
L'analyse de l'évolution temporelle de quatre regroupements de causes pour la surveillance réactive
de la mortalité a mis en évidence des évènements attendus (épidémies) et inhabituels.
Discussion
L'expérience du challenge et l'application pour la surveillance à visée d'alerte montrent l'apport et la
performance des méthodes de TAL pour appuyer l'exploitation réactive des données de mortalité
pour la santé publique.