VIDAL SemBot pour le bon usage des médicaments
Intervenant⋅e⋅s
Résumé
Vidal, bien connu pour son fameux dictionnaire des médicaments, s'est aujourd'hui positionné comme leader concernant le développement de services digitaux pour l'information à destination du monde médical. Dans cette optique, la conception de services pour répondre, par exemple, à des besoins de recherche d'information revêt un caractère d'importance stratégique. Parmi ces services, un prototype de chatbot a été conçu par les équipes Vidal, dans le but d'aider la mise à disposition des informations liées aux effets secondaires des produits pharmaceutiques, informations importantes pour une prescription, et une prise, en sécurité des médicaments. Pour répondre à cet objectif, le bot s’appuie sur des données stockées dans des graphes RDF (base de données Vidal orientée graphe). Cette modélisation en graphe a été mise en place pour décrire les concepts d’intérêt, le vocabulaire associé et leurs liens sémantiques. Les données d'intérêt sont ainsi récupérées en utilisant l’un des standards du web sémantique : le langage de requête SPARQL et sont communiquées de façon pertinente et naturelle à l'humain, en accord avec le déroulé de la discussion. Concrètement, l'utilisateur peut poser des questions sur plusieurs formes de produit (médicament, substance...) et peut, soit demander la liste exhaustive des effets indésirables, soit poser la question spécifique sur un effet en particulier. Le bot est aussi capable de solliciter de l'humain l'ensemble des précisions nécessaires pour lever la moindre ambiguïté concernant la demande formulée initialement (médicaments avec des noms proches...). Nous nous proposons d'en détailler les aspects fonctionnels et techniques, de même que la modélisation et l’exploitation des données. La présentation se terminera par une démonstration.
Auteurs/Autrices
Romain Benassi, Data Scientist, PUBLICIS SAPIENT. Diplômé de l'IMT Atlantique et docteur Centrale-Supélec en mathématiques appliquées, j'ai évolué pendant près de 5 ans dans le domaine de l'énergie, en particulier sur l'analyse statistique des consommations des foyers et la désagrégation des courbes de charges électriques (NILM). J'ai rejoint début 2020 Publicis Sapient où j'ai été amené, en tant que consultant Data Scientist auprès de plusieurs clients dont principalement Vidal, à travailler sur les sujets du Deep Learning et du NLP. Depuis 2021, je suis également formateur/enseignant à temps partiel sur ces deux sujets, en particulier à l'EPITA.
Mehdi Embarek, Knowledge engineer, MK SOFT. Titulaire d’un doctorat en informatique. Thèse effectuée au commissariat à l’énergie atomique (CEA). Consultant en ingénierie de la connaissance, NLP et web sémantique depuis 2006.
Suzanne Bento Pereira Responsable de la plateforme Data Science, VIDAL. Responsable de la plateforme Data Science chez VIDAL, elle est titulaire d'un doctorat en informatique de l'Université de Rouen. Experte en ingénierie de la connaissance, NLP et IA dans le domaine de la santé.