Intégrer récits cliniques et questionnaires Likert : une approche basée sur des dialogues patient–médecin simulés

Cyrielle Leslie MOGOUN, Frederic Bechet, Magalie Ochs

Keywords: Traitement automatique du langage naturel (TALN), Dialogues cliniques patient–médecin, Échelles de Likert, Données synthétiques, Conversion conversation–questionnaire

TL;DR: Cet article propose une approche qui exploite des dialogues synthétiques patient–médecin pour apprendre à relier des conversations cliniques à des réponses sur échelle de Likert.

Abstract: L’évaluation des patients en santé mentale repose à la fois sur des conversations ouvertes et des questionnaires structurés avec des échelles de type Likert. La correspondance entre des conversations ouvertes et des réponses aux questionnaires reste aujourd'hui un défi. Cet article explore l’utilisation du Traitement Automatique du Langage naturel (TAL) pour établir une correspondance entre les dialogues patient-médecin et des réponses standardisées à des questionnaires. Afin de pallier le manque de données annotées, nous proposons un cadre de génération de données synthétiques fondé sur des conversations simulées associées à des scores Likert d'un questionnaire de santé mental. À partir de ces données, nous entraînons des modèles capables d’inférer directement des conversations simulées les réponses aux questionnaire. Cette approche, fondée sur des LLMs, permet une intégration évolutive et interprétable des récits qualitatifs dans des pipelines d’évaluation quantitative, ouvrant la voie à des méthodes hybrides en analyse clinique.

Email Sharing: We authorize the sharing of all author emails with Program Chairs.

Data Release: We authorize the release of our submission and author names to the public in the event of acceptance.

Submission Number: 10