Dialogue homme-machine dans le domaine médical. Utilisation de Dialog pour collecter des informations importantes sur le patient
Auteur / Autrice : | Anna Liednikova |
Direction : | Claire Gardent |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 20/10/2022 |
Etablissement(s) : | Université de Lorraine |
Ecole(s) doctorale(s) : | École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire lorrain de recherche en informatique et ses applications |
Jury : | Président / Présidente : Yannick Toussaint |
Examinateurs / Examinatrices : Claire Gardent, Anne Vilnat, Sandra Bringay | |
Rapporteurs / Rapporteuses : Anne Vilnat, Sandra Bringay |
Mots clés
Résumé
Les systèmes de dialogue pour les soins de santé sont développés pour automatiser et simplifier les tâches de routine telles que la collecte d'informations sur les patients ou la prise de rendez-vous. Souvent, ces modèles sont entraînés à imiter l'interaction entre le médecin et le patient, en étant disponibles à tout moment. C'est particulièrement important pour les patients souffrant de maladies chroniques. Ils consultent régulièrement un médecin et remplissent des questionnaires standardisés, tout en s'habituant à donner les mêmes réponses et en étant confrontés à des difficultés entre les visites. En collaboration avec l'entreprise ALIAE, nous proposons un système de dialogue et de remplissage automatique de questionnaires qui devrait compléter la routine existante entre médecins et patients. Dans cette thèse, nous proposons une approche pour guider de manière flexible le dialogue à travers un arbre de décision médical prédéfini basé sur les entrées naturelles de l'utilisateur plutôt que sur des réponses oui/non. Ensuite, nous abordons la nécessité d'avoir des bots supplémentaires pour poser des questions de suivi liées à la santé et maintenir de petites discussions afin d'améliorer l'engagement de l'utilisateur et d'augmenter la probabilité de revenir sur les sujets de l'arbre requis. Enfin, nous explorons des modèles et des techniques de prétraitement pour le remplissage automatique de questionnaires sur la base des dialogues obtenus dans un cadre zéro-shot.