Titre : Inférence d'un indice sur l'indépendance dans les activités de
la vie quotidienne à partir de textes cliniques

Lieu : Nantes Université, Laboratoire des Sciences Numériques de
Nantes, UFR Sciences et Techniques & CHU de Nantes

Équipe de recherche :
- Traitement Automatique du Langage Naturel, LS2N
- Clinique des données, CHU de Nantes
Date de début : février 2025 ~6 mois

Encadrement : Emmanuel Morin et Adrien Bazoge

Gratification : ~650 euros

Remboursement de 75% de l'abonnement transport en commun

Contexte

Les activités de la vie quotidienne (Activities of Daily Living ou
ADL) [1] (Edemekong et al.  2023) sont un terme utilisé pour décrire
les tâches essentielles et routinières que la plupart des jeunes
individus en bonne santé peuvent accomplir sans assistance, telles que
manger, se laver et se déplacer. L'indice ADL (Index of ADL : Index of
Independence in Activities of Daily Living) [2] est utilisé comme un
indicateur de l'état fonctionnel d'une personne.  L'incapacité à
réaliser ces tâches entraîne une dépendance envers les autres
personnes et/ou dispositifs mécaniques et peut conduire à des
situations dangereuses et à une mauvaise qualité de vie. La mesure de
l'ADL d'un individu est importante car elle permet aux équipes
soignantes d'identifier les patients qui nécessitent une aide
(admission en maison de retraite, besoin d'aménagements de vie
alternatifs, hospitalisation ou recours aux services d'aide à
domicile).

Les informations permecant de mesurer l'indice ADL sont en partie
recueillies lors des soins cliniques et sont disponibles dans les
textes cliniques non structurées du dossier patient informatisé [3].

Les missions du stage seront les suivantes :

- Constituer un jeu de données annotées à partir de l'entrepôt de
données de santé du CHU de Nantes pour l'évaluation

- Développer une méthode permecant de calculer automatiquement
l'indice ADL à partir de documents cliniques textuels.

Candidature

- Étudiant·e en Master 2 en Traitement Automatique des Langues ou linguistique
informatique

- Compétences en apprentissage automatique et apprentissage profond
o Langage de programmation : Python
o Librairies ML et sciences des données : HuggingFace, pytorch

- Maitrise de l'anglais essentielle (compréhension et expression écrite)
- Familiarité avec le domaine médical serait un plus

Pour postuler, veuillez transmettre votre CV et les relevés de notes de
Master en expliquant vos motivations aux adresses suivantes :
emmanuel.morin@univ-nantes.fr ; adrien.bazoge@univ-nantes.fr

Bibliographie

[1] Edemekong PF, Bomgaars DL, Sukumaran S, Schoo C. Activities of
Daily Living. StatPearls; 2023.

[2] Katz S, Akpom CA. A measure of primary sociobiological
functions. Int J Health Serv. 1976; 6(3):493-508.

[3] Yvonne Wieland-Jorna, Daan van Kooten, Robert A Verheij, Yvonne de
Man, Anneke L Francke, Mariska G Oosterveld-Vlug, Natural language
processing systems for extracting information from electronic health
records about activities of daily living. A systematic review, JAMIA
Open, Volume 7, Issue 2, July 2024, ooae044,
hcps://doi.org/10.1093/jamiaopen/ooae044