Contexte Métier
Un hôpital souhaite automatiser la structuration des ordonnances médicales numérisées. L'objectif est d'extraire le nom du médicament, le dosage et la fréquence de prise à partir de texte libre pour alimenter le dossier patient informatisé (DPI).
Préparation des Données
Création d'un corpus d'ordonnances simplifiées avec étiquetage BIO (Begin, Inside, Outside).
Copié !
| 1 | |
| 2 | DATA mycas.medical_train; |
| 3 | LENGTH text $200 target $200; |
| 4 | INFILE DATALINES delimiter='|'; |
| 5 | INPUT text $ target $; |
| 6 | DATALINES; |
| 7 | Aspirine 500mg matin et soir|B-MED B-DOS B-FREQ O B-FREQ Paracétamol 1g si fièvre|B-MED B-DOS O B-COND Ibuprofène 200mg après repas|B-MED B-DOS B-FREQ I-FREQ ; |
| 8 | |
| 9 | RUN; |
| 10 |
Étapes de réalisation
1
Chargement des données médicales en mémoire CAS.
Copié !
| 1 | /* Données chargées via l'étape data_prep ci-dessus */ |
2
Entraînement standard avec le solveur par défaut (LBFGS) et un template contextuel (mot actuel + mot précédent).
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | conditionalRandomFields.crfTrain / TABLE={name='medical_train', caslib='mycas'}, target='target', template='U:w[0] |
| 4 | U:w[-1]', model={name='med_model', caslib='mycas', replace=true}; |
| 5 | |
| 6 | RUN; |
| 7 | |
| 8 | QUIT; |
| 9 |
Résultat Attendu
L'action doit s'exécuter sans erreur (Status OK). Les 5 tables de sortie du modèle (med_model_attr, med_model_feature, etc.) doivent être présentes dans la librairie 'mycas'. Le modèle doit avoir appris les associations de base (ex: un dosage suit souvent un médicament).