DATA ENGINEER – NLP
Summary
Data engineer (NLP) in the clinical data center of CHRU Brest: runs the local node of the PARTAGES federated model-evaluation platform and builds Dagster-orchestrated ETL pipelines to prepare medical report corpora, evaluate consortium language models, and apply NLP use cases (pseudonymization, synthetic reports, automated medical coding). 6-month renewable full-time CDD.
Suivi technique du projet PARTAGES
- Déploiement et maintien en conditions opérationnelles des composants du noeud local de la plateforme nationale d'évaluation fédérée
- Constitution et préparation des jeux de données locaux servant à l'évaluation : extraction, sélection, contrôle de conformité, documentation
- Exécution des campagnes d'évaluation des modèles fournis par le consortium sur les données réelles de l'établissement
- Production, contrôle et transmission des métriques d'évaluation au coordonnateur du projet
- Documentation du cadre réglementaire et de sécurité appliqué, traçabilité des traitements réalisés
- Interface technique avec les équipes du Health Data Hub et des autres partenaires ; participation aux points d'avancement et contribution aux rendus techniques attendus
Accompagnement du service sur l'analyse textuelle des comptes rendus médicaux
- Exploration et cartographie des bases contenant des documents textuels : volumétrie, typologies de comptes rendus, métadonnées, chaînage aux séjours et aux patients
- Conception, développement et industrialisation des chaînes de traitement (ETL) d'extraction et de préparation des corpus, orchestrées sous Dagster- Mise en qualité des données : détection des anomalies, doublons, documents tronqués ou mal rattachés ; normalisation et documentation des corpus produits
- Définition et calcul des métriques d'évaluation des traitements (qualité des corpus, performance des modèles) et restitution aux équipes métier
- Mise en oeuvre technique des cas d'usage prioritaires retenus par le service, en s'appuyant sur les ressources ouvertes produites par PARTAGES (corpus PARHAF et PARCOMED, modèles open source) :
- Génération de comptes rendus fictifs (data augmentation)
- pseudonymisation automatique des comptes rendus médicaux
- Aide au codage médical automatisé à partir des comptes rendus (DIM)
- Utilisation, spécialisation et évaluation de modèles de langage sur les corpus annotés, sur l'infrastructure de calcul dédiée
- Documentation des travaux (code, jeux de données, résultats), versionnement sous Git et transfert de compétences auprès de l'équipe
Le poste est à pourvoir rapidement au sein du Centre de Données Cliniques de l’Hôpital Morvan.
Le poste est ouvert aux profils juniors, y compris aux candidats en première expérience professionnelle.
Conditions d’emploi
- CDD de 6 mois renouvelable
- Temps de travail : 100 %
- Poste à pourvoir rapidement
- Rémunération selon l’expérience
Profil recherché
Vous êtes titulaire d’un Master 2 ou d’un diplôme d’ingénieur en informatique, science des données, intelligence artificielle ou dans un domaine équivalent.
Une première expérience, y compris académique, dans l’orchestration de flux de données ou le traitement automatique du langage constitue un atout.
Connaissances requises
- Anglais scientifique
- Biologie
- Bureautique / Technologies de l’information et de la communication
- Conduite de projet
- Éthique et déontologie médicales
- Informatique / Systèmes d’information
- Méthodes de recherche clinique
- Vocabulaire médical