@inproceedings{bailly-etal-2021-classification,
    title = "Classification multi-label de cas cliniques avec {C}amem{BERT} (Multi-label classification of clinical cases with {C}amem{BERT} )",
    author = "Bailly, Alexandre  and
      Blanc, Corentin  and
      Guillotin, Thierry",
    editor = "Grouin, Cyril  and
      Grabar, Natalia  and
      Illouz, Gabriel",
    booktitle = "Actes de la 28e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Atelier D{\'E}fi Fouille de Textes (DEFT)",
    month = "6",
    year = "2021",
    address = "Lille, France",
    publisher = "ATALA",
    url = "https://aclanthology.org/2021.jeptalnrecital-deft.2",
    pages = "14--20",
    abstract = "La quantit{\'e} de documents textuels m{\'e}dicaux allant grandissant, la n{\'e}cessit{\'e} d{'}en extraire automatiquement des informations concernant des patients devient de plus en plus grande. La pr{\'e}diction du profil clinique permet de gagner du temps pour le praticien tout en extrayant l{'}essentiel de l{'}information concernant un patient. Avec l{'}explosion du nombre de documents (m{\'e}dicaux ou non), des mod{\`e}les pr{\'e}-entra{\^\i}n{\'e}s tels que BERT pour l{'}anglais ou CamemBERT pour le fran{\c{c}}ais ont {\'e}merg{\'e}. L{'}utilisation de ces mod{\`e}les permet d{'}encoder contextuellement du texte afin de l{'}utiliser dans des r{\'e}seaux neuronaux pour notamment pr{\'e}dire des profils cliniques. Cet article vise {\`a} comparer diff{\'e}rentes m{\'e}thodes de pr{\'e}diction de profil clinique en se basant sur l{'}utilisation de CamemBERT. Dans un premier temps, uniquement du texte provenant de documents m{\'e}dicaux a {\'e}t{\'e} utilis{\'e}. Dans un second temps, des entit{\'e}s nomm{\'e}es ont {\'e}t{\'e} inject{\'e}es en plus du texte par concat{\'e}nation ou par sommation pond{\'e}r{\'e}e. Les r{\'e}sultats ont montr{\'e} un succ{\`e}s limit{\'e} et d{\'e}pendant de la pr{\'e}valence des chapitres {\`a} pr{\'e}dire dans le corpus ainsi qu{'}une d{\'e}gradation des performances lors de l{'}ajout des entit{\'e}s nomm{\'e}es.",
    language = "French",
}