Identification des assertions dans les textes médicaux : application à la relation {patient, problème médical}

Amandine Périnet*, Natalia Grabar** et Thierry Hamon*
*LIM&BIO (EA3969); UFR SMBH Léonard de Vinci; Université Paris 13,; 74, rue Marcel Cachin; 93017 Bobigny Cedex; amandine.perinet@edu.univ-paris13.fr, thierry.hamon@univ-paris13.fr
**CNRS UMR 8163 STL; Université Lille 3; 59653 Villeneuve d’Ascq; natalia.grabar@univ-lille3.fr
Résumé
Les textes scientifiques regorgent d’assertions (hypothèses, possibilités) qui nuancent le discours et donnent plus ou moins de certitude aux informations. Nous nous intéressons aux assertions portant sur la relation patient, problème médical dans les dossiers patients. Notre objectif est d’identifier automatiquement la certitude et les degrés de certitude, ainsi que leur polarité (positive/négative). Nous exploitons des marqueurs morphologiques, contextuels et structurels pour identifier et désambiguïser les assertions. Notre système a été évalué dans le cadre de la compétition internationale I2B2. La détection de certaines catégories d’assertion est satisfaisante alors que d’autres restent difficiles à détecter. Nous étudions également l’apport de chaque marqueur et analysons l’évolution des résultats.
Paru dans
Document
Rank
4