DATA ENGINEER - NLP (H/F)
Posted
Summary
Data engineer focused on NLP: deploys and maintains the local node of the national federated model-evaluation platform (PARTAGES), prepares and documents local medical datasets, runs model evaluation campaigns, and builds Dagster-orchestrated ETL pipelines for medical report text analysis, including pseudonymization and automated medical coding use cases.
RESPONSABILITÉS :
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'infrastr