Ρredicting Clinical Diagnοsis by cοmbinig BiοΜedical Οntοlοgies and Language Μοdels

Semantic Enrichment and Alignment of Biomedical Ontologies Using Language Models

• Auteur / Autrice : Safaa Menad
• Direction : Fatima Soualmia
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 02/12/2021; Soutenance le 06/12/2024
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École Doctorale Mathématiques, Information, Ingénierie des Systèmes
• Partenaire(s) de recherche : Laboratoire : LABORATOIRE D'INFORMATIQUE DE TRAITEMENT DE L'INFORMATION ET DES SYSTEMES
• Partenaire(s) de recherche : Établissement co-accrédité : Université de Rouen Normandie
• Jury : Président / Présidente : Thierry Lecroq
• Jury : Examinateurs / Examinatrices : Fatima Soualmia, Xavier Tannier, Cassia Trojahn, Said Abdeddaim, Lylia Abrouk, Thierry Lecroq
• Jury : Rapporteur / Rapporteuse : Xavier Tannier, Cassia Trojahn

Mots clés

Mots clés contrôlés

Ontologies (informatique)

Mots clés libres

Ontologies biomédicales

Fusion d'ontologies

Alignement d'ontologies

Umls

Modèles de langue de grande taille

Modèles neuronaux siamois

Enrichissement d'ontologies

Modèles de langues

Traitement automatique du langage naturel

Domaine biomédical

Intelligence artificielle

Biomedical Ontologies

Ontology Merging

Ontology Alignement

Umls

Large Language Models

Siamese Neural Models

Ontology enrichment

Language models

Natural Language Processing

Biomedical domain

Artificial Intelligence

Résumé

La première partie de cette thèse traite de la conception de modèles neuronaux siamois entraînés pour la similarité sémantique entre textes biomédicaux et de leur application à des tâches de TAL sur des documents biomédicaux. L’entraînement de ces modèles a été réalisé en plongeant les titres et résumés du corpus PubMed avec le thésaurus MeSH dans un même espace de représentation. Dans la seconde partie nous utilisons ces modèles pour aligner et enrichir les terminologies de l’UMLS (Unified Medical Language System) et automatiser l’intégration de nouvelles relations entre concepts similaires provenant notamment de maladies (DOID), de médicaments (DRON) et de symptômes. Ces relations enrichies permettent d’améliorer l’exploitation de ces ontologies, facilitant ainsi leur utilisation dans diverses applications cliniques et scientifiques. Nous proposons de plus des approches de validation à l’aide des ressources telles que les LLMs, l’OpenFDA, le Métathésaurus et le réseau sémantique de l’UMLS que nous complétons par la validation manuelle d’experts du domaine.

The first part of this thesis addresses the design of siamese neural models trained for semantic similarity between biomedical texts and their application to NLP tasks on biomedical documents. The training of these models was performed by embedding the titles and abstracts from the PubMed corpus along with the MeSH thesaurus into a common space. In the second part, we use these models to align and enrich the terminologies of UMLS (Unified Medical Language System) and automate the integration of new relationships between similar concepts, particularly from diseases (DOID), drugs (DRON), and symptoms. These enriched relationships enhance the usability of these ontologies, thereby facilitating their application in various clinical and scientific domains. Additionally, we propose validation approaches using resources such as LLMs, OpenFDA, the UMLS Metathesaurus, and the UMLS semantic network, supplemented by manual validation from domain experts.