Extrait des informations de notes cliniques françaises en utilisant des composants basés sur des règles et l'apprentissage profond.
Cadre NLP modulaire et rapide, compatible avec PyTorch et spaCy, conçu pour les textes cliniques français.
EDS-NLP est un framework open source conçu pour extraire des informations structurées de textes cliniques français. Il combine des pipelines basés sur des règles compatibles avec spaCy et des modules d'apprentissage profond PyTorch pour des tâches telles que la détection de négation et la reconnaissance d'entités nommées. Il convient aux chercheurs cliniciens et aux développeurs travaillant avec des dossiers médicaux français.
La bibliothèque organise les fonctions basées sur des règles et les modules d'apprentissage profond dans un système de pipeline efficace. Elle prend en charge les modèles d'apprentissage profond multi-tâches avec partage de poids, les composants basés sur des LLM et l'inférence multi-GPU rapide. Elle gère également divers formats de données, notamment BRAT, JSON, Parquet, Pandas et Spark.
Il convient aux développeurs et aux chercheurs qui construisent des pipelines d'entrepôts de données cliniques pour des documents médicaux en langue française. Il n'est pas conçu pour le traitement clinique général en langue anglaise ou pour les utilisateurs sans expérience en programmation Python.
Composants basés sur des règles spécifiquement adaptés aux notes cliniques françaises.
Compatible avec PyTorch pour les composants entraînables tels que la NER et la classification d'étendues.
Prend en charge les modèles d'apprentissage profond multi-tâches avec partage de poids des sous-composants.
Prend en charge le chargement et l'enregistrement de données pour BRAT, JSON, Parquet, Pandas et Spark.
Gratuit sous sa licence BSD-3-Clause. Le seul coût est de l'exécuter vous-même sur votre propre infrastructure matérielle.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Il utilise spaCy pour la représentation des documents et les annotations, et PyTorch comme backend d'apprentissage profond pour les composants entraînables.
Le framework est polyvalent et peut être utilisé sur n'importe quel document textuel, mais ses composants de règles pré-intégrés ciblent les notes cliniques françaises.
Voir Zekai en premier dans Google