Automated epilepsy and seizure type phenotyping with pre-trained language models

Cette étude démontre que l'utilisation de modèles de langage pré-entraînés, en particulier DeepSeek-R1, permet d'extraire avec une précision experte des phénotypes d'épilepsie et de crises à partir de notes cliniques non structurées, transformant ainsi les dossiers médicaux électroniques en une ressource précieuse pour la recherche longitudinale et les soins de population.

L'essentiel

Imaginez que le dossier médical d'un patient atteint d'épilepsie est comme une énorme bibliothèque remplie de livres écrits à la main. Chaque livre (la note du médecin) contient des histoires précieuses sur les crises du patient, ce qui les déclenche et comment ils réagissent aux médicaments. Cependant, ces informations sont cachées dans des paragraphes de texte libre, illisibles pour un ordinateur classique qui ne sait lire que des cases à cocher (comme "Oui/Non" ou des codes numériques).

Cette étude, menée par une équipe de chercheurs de l'Université de Pennsylvanie, raconte comment ils ont construit deux super-intelligences artificielles capables de lire ces milliers de livres et d'en extraire l'histoire réelle, aussi bien qu'un expert humain.

Voici l'explication simple de leur aventure :

1. Le Problème : L'Enquêteur perdu dans la bibliothèque

L'épilepsie est une maladie complexe. Pour bien soigner un patient, les médecins doivent savoir exactement quel type d'épilepsie il a (par exemple, "focale" ou "généralisée") et quel type de crise il subit (convulsive ou non).

• Le souci : Dans les dossiers numériques actuels, ces détails cruciaux sont souvent perdus dans le brouillard des notes manuscrites des médecins. C'est comme chercher une aiguille dans une botte de foin, mais l'aiguille est faite de mots et le foin est un océan de texte.
• La conséquence : Sans ces données claires, il est difficile de prédire les risques (comme le SUDEP, une mort subite liée à l'épilepsie) ou de trouver les meilleurs traitements pour des milliers de patients.

2. La Solution : Deux Détectives Numériques

Les chercheurs ont envoyé deux "détectives" (des modèles d'intelligence artificielle) pour lire les notes :

• Le Détective 1 (BERT) : C'est un expert très entraîné, spécialisé dans le domaine médical, mais un peu rigide. Il a lu des milliers de notes pour apprendre le langage des médecins.
• Le Détective 2 (DeepSeek-R1) : C'est un "super-cerveau" plus récent et plus flexible. Il n'a pas besoin d'être rééduqué spécifiquement ; il utilise sa grande culture générale pour comprendre le contexte, un peu comme un grand érudit qui lit n'importe quel livre et comprend immédiatement le sens.

3. Le Concours : Qui est le meilleur ?

Les chercheurs ont mis les deux détectives à l'épreuve en leur donnant des notes à analyser et en comparant leurs réponses avec celles de vrais neurologues (les experts humains).

• Résultat pour les grandes catégories : Les deux détectives ont été excellents pour dire si l'épilepsie était "focale" (localement) ou "généralisée" (partout). Leurs performances étaient aussi bonnes que celles des humains.
• Résultat pour les détails fins : C'est ici que le Détective 2 (DeepSeek) a brillé. Là où le Détective 1 (BERT) commençait à se tromper sur des nuances complexes, DeepSeek a continué à comprendre les subtilités, parfois même mieux que les humains qui se disputaient parfois sur l'interprétation d'une note.
• L'analogie : Imaginez que BERT est un excellent traducteur qui connaît bien le vocabulaire, mais qui peut rater l'ironie ou le contexte. DeepSeek, lui, comprend non seulement les mots, mais aussi l'histoire derrière les mots.

4. La Grande Découverte : La Carte du Trésor

Une fois le meilleur détective (DeepSeek) choisi, les chercheurs lui ont fait lire toute la bibliothèque : 77 000 notes de 18 500 patients sur 13 ans !

Grâce à cela, ils ont pu voir des paysages qu'ils n'avaient jamais vus auparavant :

• L'évolution du diagnostic : Ils ont vu que beaucoup de patients commencent avec un diagnostic flou ("on ne sait pas trop"), mais que ce diagnostic devient plus précis avec le temps, comme un brouillard qui se dissipe.
• Les cohabitations : Ils ont découvert que beaucoup de patients ont plusieurs types de crises en même temps (par exemple, des crises convulsives ET des crises psychogènes), ce qui rend la maladie très dynamique.
• Les risques : Ils ont confirmé que les patients avec des crises généralisées ont beaucoup plus de risques de faire des crises convulsives graves (tonico-cloniques), ce qui est un facteur de risque majeur pour la mort subite.

5. Pourquoi c'est important pour tout le monde ?

Avant, pour étudier l'épilepsie, les chercheurs devaient lire manuellement quelques centaines de notes, ce qui prenait des années et limitait leurs découvertes.
Aujourd'hui, grâce à cette méthode :

• On peut transformer des montagnes de texte illisible en données claires et exploitables en quelques heures.
• On peut mieux identifier les patients à risque pour les protéger.
• On peut trouver plus vite les candidats pour la chirurgie ou de nouveaux traitements.

En résumé : Cette étude a réussi à donner des "lunettes de lecture" à l'ordinateur pour qu'il puisse comprendre les histoires complexes des médecins. Cela transforme des dossiers médicaux statiques en une carte vivante et détaillée de la maladie, permettant de mieux soigner les millions de personnes touchées par l'épilepsie dans le monde.

Résumé technique

1. Problématique

L'épilepsie est un trouble neurologique complexe caractérisé par des crises récurrentes. La prise en charge clinique, le pronostic et les décisions thérapeutiques (médicamenteuses, chirurgicales) dépendent crucialement d'une classification précise du type d'épilepsie (focale, généralisée, non spécifiée) et du type de crise (convulsive, non convulsive, etc.).

Cependant, les données structurées des dossiers médicaux électroniques (DME), telles que les codes de diagnostic, capturent mal ces phénotypes détaillés. L'information clinique pertinente est principalement enfouie dans des notes cliniques non structurées (comptes rendus de progression, rapports d'EEG), ce qui rend impossible l'analyse à grande échelle des cohortes longitudinales. Les systèmes NLP (Traitement du Langage Naturel) basés sur des règles sont trop rigides et peu évolutifs. L'objectif de cette étude est donc de développer et d'évaluer des modèles de langage pré-entraînés capables d'extraire automatiquement ces phénotypes épileptiques complexes à l'échelle d'un système de santé entier.

2. Méthodologie

Données et Annotation :

• Source : 77 049 notes de consultation externes provenant du service d'épileptologie de l'Université de Pennsylvanie (2011-2024), couvrant 18 566 patients.
• Annotation de référence (Ground Truth) : 309 notes ont été annotées indépendamment par trois neurologues certifiés (épileptologues) via la plateforme INCEpTION.
• Schémas de classification :
  • Type d'épilepsie : Tâche de classification à étiquette unique (binaire, ternaire, ou granulaire "all-way").
  • Type de crise : Tâche de classification multi-étiquettes (un patient peut avoir plusieurs types de crises).
• Consensus : Les désaccords entre annotateurs ont été résolus par un panel de consensus pour créer les données de référence.

Modèles Évalués :
Les auteurs ont comparé deux architectures basées sur les Transformers :

1. BERT (Fine-tuned) : Un modèle masqué pré-entraîné sur ~64 000 notes cliniques non annotées, puis affiné (fine-tuning) de manière supervisée sur les données annotées.
2. DeepSeek-R1 (LLM) : Un grand modèle de langage (LLM) autoregressif (basé sur Llama-8B), évalué en configurations zero-shot (sans exemple) et few-shot (avec quelques exemples dans le prompt).

Évaluation et Déploiement :

• Métriques : Coefficient de corrélation de Matthews (MCC) pour les tâches mono-étiquettes et scores F1/Jaccard pour les tâches multi-étiquettes. Les performances des modèles ont été comparées à l'accord inter-annotateurs humains.
• Stratégie de déploiement : Le modèle le plus performant (DeepSeek-R1) a été déployé sur l'ensemble du corpus (77k notes).
• Agrégation patient : Un processus à deux étapes (vote majoritaire suivi de la sélection du sous-type le plus spécifique) a permis de dériver des phénotypes au niveau du patient à partir des notes de visite.
• Analyse longitudinale : Utilisation d'un modèle de Markov caché en temps continu (CT-HMM) pour analyser l'évolution des diagnostics et l'association avec les résultats cliniques (freedom from seizures, fréquence des crises).

3. Résultats Clés

Performance des Modèles :

• Type d'épilepsie (Classification ternaire) : DeepSeek-R1 a surpassé BERT et a atteint une performance comparable, voire supérieure, à l'accord inter-experts humains.
  • DeepSeek (Zero-shot) : MCC = 0,85 [0,80-0,90].
  • Humains (Accord inter-annotateurs) : MCC = 0,77 [0,70-0,83].
  • BERT : MCC = 0,73 [0,67-0,80].
• Type de crise (Classification binaire et multi-étiquettes) : DeepSeek a systématiquement surpassé les annotateurs humains, tandis que BERT a montré des performances inférieures, échouant notamment à produire des sorties significatives pour la tâche multi-étiquettes complexe (tendance à répéter le même ensemble d'étiquettes).
  • DeepSeek (Few-shot) : MCC = 0,74 pour la classification binaire (crise convulsive vs non convulsive).
  • Humains : MCC = 0,49.

Découvertes Cliniques à Grande Échelle :

• Stabilité diagnostique : L'analyse CT-HMM a révélé que les diagnostics non spécifiés (ex: épilepsie focale non spécifiée) ont les taux de transition les plus élevés vers d'autres états, tandis que les diagnostics spécifiés (focale ou généralisée) sont stables dans le temps. Cela confirme le processus itératif de classification de l'épilepsie.
• Co-occurrence des crises : Une forte superposition a été observée entre les types de crises au sein d'un même patient (ex: crises tonico-cloniques et crises focales avec altération de la conscience coexistant fréquemment).
• Corrélation avec les résultats :
  • Les patients avec épilepsie généralisée ont un fardeau de crises tonico-cloniques significativement plus élevé (83% des visites positives vs 57% pour la focale) et une fréquence de crises légèrement plus élevée.
  • La durée maximale sans crise est similaire entre les types focaux et généralisés, mais les patients avec crises tonico-cloniques ont une durée sans crise plus courte.
  • Le syndrome de Lennox-Gastaut (LGS) a été identifié avec un fardeau de crises nettement plus élevé que les autres sous-types.

4. Contributions Principales

1. Benchmarking LLM vs Humains : Première étude démontrant qu'un LLM (DeepSeek-R1) peut égaler ou dépasser l'accord inter-experts pour l'extraction de phénotypes épileptiques fins à partir de notes cliniques non structurées.
2. Échelle sans précédent : Création du plus grand corpus de phénotypage épileptique automatisé à ce jour (77 049 notes, 18 566 patients), transformant des données non structurées en une ressource structurée pour la recherche.
3. Validation de l'approche LLM : Démonstration que les modèles de langage autoregressifs gèrent mieux la complexité et l'ambiguïté des notes cliniques (notamment pour les tâches multi-étiquettes) que les modèles BERT fine-tunés classiques.
4. Infrastructure réutilisable : Mise en place d'un pipeline scalable capable de générer des trajectoires longitudinales de patients pour des études épidémiologiques et translationnelles.

5. Signification et Implications

Cette étude démontre la faisabilité de transformer les dossiers médicaux non structurés en données de recherche exploitables à grande échelle.

• Recherche Clinique : Permet d'analyser les trajectoires de la maladie, la réponse aux traitements et les risques (comme le SUDEP - Mort Soudaine Inattendue de l'Épilepsie) sur des cohortes massives, ce qui était auparavant impossible sans une annotation manuelle coûteuse.
• Prise en charge : Potentiel d'amélioration de la stratification des risques, de l'identification précoce des candidats à la chirurgie ou aux dispositifs, et de la pré-remplissage des registres cliniques.
• Limites et Perspectives : Bien que performants, les LLM ont un temps d'inférence plus long que BERT et leur généralisation à d'autres institutions nécessite une validation supplémentaire. De plus, l'incertitude inhérente aux annotations humaines (désaccords) rappelle que le "ground truth" n'est pas absolu.

En conclusion, ce travail établit une nouvelle norme pour l'extraction de données épidémiologiques en neurologie, ouvrant la voie à des études translationnelles plus robustes et à une médecine de précision pour l'épilepsie.