Contexte Métier
Un hôpital universitaire souhaite analyser des comptes-rendus cliniques non structurés pour identifier automatiquement les effets secondaires de médicaments (concepts personnalisés) tout en capturant les dates et les mesures (concepts prédéfinis) pour alimenter une base de données de pharmacovigilance.
Préparation des Données
Création d'une table de règles LITI définissant des médicaments et des symptômes (ex: maux de tête, nausée).
Copié !
| 1 | |
| 2 | DATA casuser.med_rules; |
| 3 | LENGTH rule_id $32 config $200; |
| 4 | INFILE DATALINES dlm='|'; |
| 5 | INPUT rule_id $ config $; |
| 6 | DATALINES; |
| 7 | MED_ASPIRINE|CONCEPT:aspirine| SYMPTOME_MAJEUR|CONCEPT_RULE:(OR, "migraine", "nausée", "vertige")| SYMPTOME_GRAVE|PREDICATE_RULE:(SENT, "douleur", (OR, "thoracique", "abdominale")) ; |
| 8 | |
| 9 | RUN; |
| 10 |
Étapes de réalisation
1
Chargement des règles dans le serveur CAS.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.loadTable / path='med_rules.sashdat' caslib='casuser' casout={name='med_rules', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Compilation du modèle en activant les entités prédéfinies (NLP standard).
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | textRuleDevelop.compileConcept / TABLE={name='med_rules'} casOut={name='model_pharmaco', replace=true} ruleId='rule_id' config='config' enablePredefined=TRUE language='FRENCH'; |
| 4 | |
| 5 | RUN; |
| 6 |
Résultat Attendu
L'action génère une table binaire 'model_pharmaco'. Ce modèle inclut à la fois les règles métiers (Aspirine, Symptômes) et les bibliothèques standards SAS (Dates, Personnes), prêt à être utilisé par l'action `tpParse`.