Les nouveaux faits cliniques extraits par TALN font l'objet d'une note de confiance, sont testés en fonction des notes données par l'homme et sont associés à des données DME (dossiers médicaux électroniques) structurées pour les mêmes patients anonymisés
CAMBRIDGE, Mass., 10 novembre 2026 /CNW/ - L'intelligence artificielle (IA) facilitant plus que jamais l'extraction d'information à partir de notes cliniques, la grande question pour les chercheurs est de savoir si ces données sont fiables dans le monde réel. TriNetX®, le premier réseau mondial fédéré de données de santé, a annoncé aujourd'hui que les faits extraits des notes cliniques par TALN (traitement automatique du langage naturel) étaient désormais disponibles sur la plateforme TriNetX LIVE™ et dans des ensembles de données téléchargeables. Cette capacité fournit aux chercheurs des données prêtes à l'analyse, extraites de plus de 800 millions de notes et de rapports cliniques, une base qui devrait atteindre un milliard environ d'ici fin 2026.
Les notes cliniques contiennent des détails tels que le stade de la maladie, l'état général et les résultats des biomarqueurs qui complètent le dossier structuré, mais sont difficiles à extraire de manière fiable. TriNetX associe l'IA à une expertise clinique et informatique approfondie pour construire des pipelines avec intervention humaine, entraînés sur un vaste corpus de notes de référence annotées. Contrairement aux approches qui s'arrêtent à l'extraction, TriNetX teste chaque pipeline par rapport à des notes annotées par des humains, attribue un score de confiance à chaque fait et relie les données issues des notes aux données structurées des dossiers médicaux électroniques (DME) des mêmes patients dépersonnalisés, afin que les chercheurs puissent élargir les cohortes et construire des phénotypes nuancés et cliniquement significatifs.
Trois garanties étayent chaque fait :
Supervision humaine. Les experts cliniques examinent et corrigent ce que l'IA étiquette, et les modèles sont de nouveau entraînés sur la base de ces corrections. Chaque module doit atteindre une précision d'au moins 0,90 par rapport aux notes annotées par des humains.
Confirmation clinique. Les faits extraits sont testés par rapport aux schémas cliniques attendus, et pas seulement par rapport aux indicateurs du modèle. Par exemple, les courbes de survie basées sur le score de performance de l'Eastern Cooperative Oncology Group (ECOG) ont montré une survie plus faible pour les patients affichant un score de 2 et plus.
Surveillance continue. TriNetX surveille les performances du modèle à mesure que de nouvelles organisations de soins de santé participent au programme de notes cliniques et que de nouveaux types de notes arrivent, affinant les modèles à mesure que des variations apparaissent.
Les premiers résultats montrent que les informations tirées des notes ont permis d'augmenter la couverture du statut tabagique de 22 % à 67 %, de prendre en charge 6 fois plus de patients que les données structurées seules dans une étude de cohorte sur le cancer du poumon, et de révéler l'indice de performance ECOG et Karnofsky pour 292 000 patients en oncologie, alors qu'aucune de ces informations ne figurait dans les champs structurés.
« Pointer une IA vers un graphique est facile. TriNetX se distingue par sa façon de procéder : avec rigueur scientifique et expertise humaine au sein d'un réseau fédéré mondial où les données restent au sein des entités qui les ont générées », a déclaré August Calhoun, PDG de TriNetX. « Cela signifie que les notes cliniques peuvent étayer des preuves qui résistent à l'examen, à mesure que l'IA s'intègre à la recherche quotidienne.
Il n'existe aucun système capable d'extraire tous les détails des notes cliniques de manière à la fois précise et pertinente. C'est une limitation inhérente à la nature du langage clinique », a déclaré Matvey Palchuk, MD, MS, FAMIA, directeur de l'informatique médicale chez TriNetX. « C'est pourquoi la validation est importante. Notre objectif est d'extraire les faits fiables pour la production de preuves. »
Les données extraites des notes cliniques par TALN couvrent actuellement les antécédents sociaux (tabagisme et consommation d'alcool), la cardiologie, la pneumologie, l'oncologie générale et les biomarqueurs, les maladies du foie, et bien plus encore, et sont désormais accessibles aux membres du réseau TriNetX. Pour en savoir plus, visitez trinetx.com/data/clinical-notes.
À propos de TriNetX, LLC
TriNetX®, The Global Truth Engine for Better Human Health®, s'appuie sur un réseau sécurisé et interconnecté de plus de 14 200 sites cliniques répartis dans plus de 20 pays pour fournir des preuves fiables qui résistent à l'examen scientifique le plus rigoureux au monde. En alliant des données mondiales, une intégrité sans faille et une fusion rare d'IA et d'intelligence humaine, TriNetX accélère la découverte et contribue à de meilleurs résultats en matière de santé dans le monde entier. Rendez-vous sur trinetx.com ou suivez TriNetX sur LinkedIn pour en savoir plus.
Contact avec les médias
TriNetX
Karen Tunks
Email : [email protected]
SOURCE TriNetX
Partager cet article