Le NLP (Natural Language Processing) ou traitement automatique du langage (TAL) est un des terrains d’application de l’IA les plus prolifiques. C’est la branche de l’Intelligence Artificielle qui consiste à comprendre et traiter le langage humain.

Ses usages en entreprise sont très nombreux : le NLP offre un gisement d’opportunités pour gagner en productivité, en fiabilité, et prendre de meilleures décisions.

Après avoir exploré les cas d’usage du NLP pour le marketing et la relation client, puis dans le secteur des RH et dans le domaine juridique, nous nous penchons aujourd’hui sur les applications du traitement du langage ou NLP dans le secteur de la Santé.

Secteur aux spécificités profondes (réglementaire, organisationnelle, financière, importance étatique), où les notions de patients et praticiens se substituent à celles de consommateurs et de collaborateurs, la santé réunit une part importante de tâches humaines à haute valeur ajoutée, donc difficilement automatisables. Il faut également prendre en compte le caractère hautement confidentiel des données de santé. Ce secteur est néanmoins un important terrain de jeu pour le NLP. 

1- Le NLP pour améliorer l’expérience patient

Tout comme on parle de Voix du client et de Voix des collaborateurs, la Voix des patients nécessite d’être écoutée pour comprendre la façon dont ils perçoivent leur expérience, et améliorer celle-ci.

« L’expérience patient peut se définir comme l’ensemble des interactions et situations vécues par une personne, susceptible d’influencer sa perception au cours de son parcours de santé », explique Amah Kouevi, fondateur de l’Institut français de l’expérience patient.

Retour d’expérience : analyse automatisée de rapports d’anomalie dans la santé à domicile

L’une des principales sociétés françaises de santé à domicile travaille avec des solutions d’analyse sémantique pour améliorer l’état de santé des patients. 

Cette entreprise vend du matériel médical et chirurgical pour équiper le patient en vue de son maintien sur lieu d’habitation. Pour s’assurer de la qualité de sa prestation, la société demande à ses techniciens intervenant à domicile de rédiger des rapports d’anomalie en cas de dysfonctionnement du matériel ou de plainte de patients. En sept ans, 20 000 rapports d’amélioration ont été déposés, contenant 100 000 réponses aux questions ouvertes posées. L’analyse sémantique a permis d’étudier, trier et d’annoter les motifs de satisfaction, d’insatisfaction du patient contenu dans ces rapports en un temps record. 

Ce dispositif peut tout à fait être utilisé pour analyser les commentaires reçus via une enquête de satisfaction post-séjour dans un établissement de santé, ou dans le cadre d’un parcours de soins.

Retour d’expérience : Orkyn’ adopte un chatbot pour faciliter la relation avec les patients et les aidants

Orkyn’, prestataire de santé à domicile, a mis en place un chatbot sur son site, afin de conseiller les personnes en perte de dépendance et leurs aidants. Le chatbot comprend les questions posées en langage naturel et s’améliore en permanence grâce aux questions posées. 

Lire l’étude de cas Orkyn’, un chatbot pour conseiller les personnes en perte de dépendance et leurs aidants

2- Le NLP pour accélérer le travail de R&D

Appliquées à de larges bases de données, les technologies d’analyse sémantique aident à accélérer la prise d’informations et la constitution de connaissance. Elles permettent également d’aller plus loin en identifiant des relations passées inaperçues entre certaines notions.

Ainsi, l’analyse sémantique permet de traiter de larges volumes de publications scientifiques, de résumés d’essais cliniques ou encore de documents de recherches internes.

Des projets de NLP ont ainsi permis d’identifier de nouveaux biomarqueurs et phénotypes, ou de détecter des relations de résistance aux antibiotiques.

En plus du temps de traitement gagné, le NLP permet d’accéder à une connaissance noyée dans de grandes quantités de textes, difficilement analysable par l’humain sur un tel volume. Bonus non négligeable, les annotations sémantiques produites (entités et relations) peuvent être ajoutées au document PDF d’origine, en utilisant les mécanismes de calques, ce qui facilite grandement la lecture rapide des document.

3- NLG pour l’industrie pharmaceutique

Une des applications des technologies d’analyse et de traitement du langage est le NLG : Natural Langage Generation, ou génération automatique de texte.

La génération automatique de textes est utilisée depuis assez longtemps déjà pour rédiger automatiquement des rapports financiers, des bulletins météo, ou encore des fiches produits. Elle est également très utile dans le domaine de l’industrie pharmaceutique.

Dans le cadre de la procédure de mise sur le marché d’un médicament, les laboratoires pharmaceutiques doivent produire une masse importante de rapports textuels, suivant une nomenclature bien particulière, déterminée par la CIH, une instance internationale : nomenclature MedDRA, rapport d’études cliniques (CSR). L’utilisation d’un module de NLG pour assister la rédaction de ces documents permet d’accélérer le délai de mise sur le marché d’un médicament, c’est pourquoi nombre de laboratoires font appel à des technologies de NLG pour réduire le temps de rédaction, permettant ainsi aux experts de se concentrer sur la phase de conclusion et de validation des rapports.

NLP et santé : des cas d’usage infinis !

Ceci ne sont que quelques exemples d’applications du traitement automatique du langage pour le secteur de la santé. D’autres applications au potentiel très intéressant existent, comme la possibilité de prédire le risque de rechute en analysant les notes prises par les médecins dans les dossiers patients. 

Dès lors qu’une tâche implique la lecture et la compréhension de texte écrit ou parlé, l’IA peut rendre service à l’humain, surtout avec les nouvelles technologies Deep Learning.

 

Découvrez nos articles sur d’autres cas d’usage du NLP :

bandeau-telechargement-ebook-chatbot-2

Découvrez le livre “Traitement automatique des langues, comprendre les textes grâce à l’intelligence artificielle”, de François-Régis Chaumartin et Pirmin Lemberger.