L’Institut de Cancérologie de l’Ouest (ICO) Nantes-Angers est un centre d’excellence dans la prise en charge du cancer et la recherche. Labelisé Comprehensive Cancer Center (CCC) par l’Organisation of European Cancer Institutes (OECI), l’ICO est le 1er centre de lutte contre le cancer de province en France et le 3ème au niveau national après l’Institut Gustave Roussy (Villejuif) et l’Institut Curie (Paris) en termes de file active de patients et d’inclusion dans les essais cliniques.
Depuis 5 ans, l’ICO a placé les données de vie réelle (Real-World Data / RWD) et l’IA au centre de sa stratégie de recherche et d’innovation. Son service Data Factory & Analytics est une structure pluridisciplinaire, intégrée, dédiée à la collecte, à la qualification, à l’analyse et à la valorisation des données générées à l’occasion du soin de nos patients. Le service assure la maîtrise complète du cycle de vie des données depuis leur production lors de la prise en charge des patients au sein de l’ICO jusqu’à leur analyse et leur valorisation. Afin de développer son activité de recherche sur données de vie réelles, l’ICO développe son propre Entrepôt de Données de Santé (EDS). L’objectif est d’utiliser les différentes sources de données existantes à l’ICO dans le cadre de la recherche ou du soin afin de créer une unique base de données structurées contenant les variables considérées comme les plus importantes pour mener des travaux de recherche sur données observationnelles.
Aujourd’hui l’EDS est alimenté à partir des bases de données structurées disponibles à l’ICO et des travaux sont en cours dans le but d’extraire des données structurées à partir des documents des patients (comptes rendus de consultation, comptes rendus d’anatomopathologie, etc.). Depuis quelques années, de nombreuses études ont montré qu’il est possible d’extraire des données structurées à partir des comptes rendus en utilisant le NLP (Natural Language Processing) mais toutes ces études reposent sur une méthode nécessitant une longue et coûteuse phase d’annotation afin d’entrainer le modèle (1–6). A l’ICO nous avons réalisé un premier travail montrant les capacités d’un algorithme basé sur le Large Language Model (LLM) Mistral Large à extraire les données de 3 biomarqueurs du cancer du sein à partir des comptes-rendus d’anatomopathologie (7). D’autres travaux sont en cours afin d’extraire les dates de métastases et de progressions. L’alternance consistera à poursuivre les développements autour de cette pipeline LLM afin extraire d’autres données structurées à partir des comptes-rendus médicaux des patients.
