32 collectifs
Breakfast in America
A propos
Sales led Growth for B2B SaaS -> We help you sign US Customers.
Byteworks
A propos
Build, ship, repeat
FA#
A propos
Automatisation & Optimisation: Votre duo d'experts pour des process métier performants et une croissance accélérée.
PassePartout Services
A propos
L'offre de conseil et réalisation de PassePartout - les créateurs du micropaiement éponyme - à votre service pour vos produits #médias #paiement #IA #data
LICTER
A propos
Comprenez ce qui séduit vos cibles & vos clients. Collectif Market research, social listening & consumer insights
Glance data
A propos
Leverage your data to make smarter business decisions through AI
Fyce Tech
A propos
Digitalisez votre vision en No-code
ISquare
A propos
Nous façonnons les projets de nos clients en fusionnant le meilleur des deux mondes du NoCode et du Code.
adalab
A propos
L'expertise data au service de projet à impact positif
Fada Collectif
A propos
Du talent à l'état pur, de la folie bien dosée
Tyrscale
A propos
Be data driven
Hyperstack
A propos
Data team as a Service
Sypher
A propos
Turn your data into actions to activate x2 qualified leads
LumosAI
A propos
Tailor-made Machine Learning.
Haute Autorité de Santé
•Santé, Pharmaceutique & Biotech•Secteur public•PME
Recherche d'équivalence entre médicaments
Challenge organisé par la HAS
Problématique
Certaines situations nécessitent de pouvoir remplacer un médicament par un autre : rupture d’approvisionnement, constitution d’un livret thérapeutique, conciliation, prescription transfrontalière, etc.
Les informations nécessaires, qu’elles soient relatives aux indications thérapeutiques, aux contre-indications, aux modalités d’utilisation ou encore aux effets indésirables, ne sont pas structurées et donc difficilement mobilisables par les professionnels de santé.
Cas d’usage
“Je suis un pharmacien d’officine. Notre pharmacie est en rupture d’approvisionnement pour un médicament, et un patient vient avec une prescription pour celui-ci. Je dois trouver un médicament équivalent qui tienne compte de la situation clinique de ce patient et des médicaments qu’il prend déjà.”
Données
Base de données publique des médicaments (BDPM) (en particulier Résumés des caractéristiques des produits)
Avis de la commission de la transparence
Solution proposée
Rassembler et structurer les données pertinentes. Regrouper les médicaments similaires via l'estimation d'un degré de substituabilité. Intégrer les informations patient afin de prendre en compte le contexte clinique dans le choix du meilleur substitut.
Webscrapping pour la récupération des résumés des caractéristiques des produits (formats html et pdf)
Extraction (via expressions régulières) des informations pertinentes pour l’analyse du texte (code ATM, indications thérapeutiques, contre indications, etc.)
Développement d'algorithmes de NLP pour la structuration du texte et l’extraction de features (Nettoyage du texte, bag of words, word count)
Développement d'algorithmes de Machine learning pour la classification des médicaments (annotation et modèles d’apprentissage)
Durée : 4 mois
Membres
Expertises
De
Juin 2022 à Sept. 2022