Nuestra I+D para el lenguaje médico
PraxySanté desarrolla modelos de IA para la comprensión de las conversaciones y del lenguaje médico utilizados en productos que son fácilmente accesibles a los profesionales de la salud y para acelerar la investigación clínica.
Las tecnologías de análisis del lenguaje (NLP, redes neuronales, deeplearning y LLM) se han desarrollado mucho en los últimos 15 años y ahora llegan a la madurez para construir productos que ofrecen un servicio útil, fiable y seguro a los profesionales de la salud.
Nuestra I+D trabaja en estos objetivos principales:
1. Modelos de speech to text ultraprecisos para el ámbito médico y una gran repetibilidad de los resúmenes generados por los LLM
Praxy.ai entrena sus propios modelos de speech to text en todo el vocabulario médico por idioma, es decir, más de 170k términos médicos, para los que hemos creado cerca de 15 000 horas de audios médicos
Los "Large language models" son especialmente adecuados para el trabajo de resumir textos largos o conversaciones. Sin embargo, sus resultados no son nativamente lo suficientemente precisos, repetibles, y no están en el formato esperado. Nuestra I+D desarrolla las mejores prácticas de reentrenamiento y control de resultados para asegurar resultados fiables en el tiempo y una mejora continua
2. La extracción de datos estructurados del lenguaje médico y la codificación automática (CIM, LOINC, SNOMED, CCAM, OMOP, ..)
Para conectar la atención y los estudios en la vida real.
3. La explotación de modelos de lenguaje en nuestras infraestructuras
Para asegurar la conformidad HDS, con una optimización del coste de funcionamiento, invertimos en la optimización de grandes modelos de lenguaje para transcripción de audio y análisis de textos, bases de datos
Descubre nuestros artículos científicos
Para saber más sobre los modelos desarrollados por Praxy.ai
Sistema Anti-alucinaciones para garantizar la factualidad de los informes clínicos generados por la IA
CORIA TALN premio al mejor artículo y publicado en ACL Anthology
ASR_T5_hybrid_dua
l_encoder_model
_publication.pdf
ASR-LLM Híbrido Dual encoder para el reconocimiento vocal médico de alta precisión
Un equipo multidisciplinario procedente de la Salud, IA y el asesoramiento y desarrollo de software
Damien Forest, CEO & CTO
Damien tiene una trayectoria de 15 años en startups tecnológicas, asesoramiento e industria, marcada especialmente por el desarrollo de una empresa de robótica autónoma (Rovenso), la dirección de operaciones de una empresa de WaterTech (Castalie), y más recientemente la transformación de una Unidad de Negocio en los servicios de Salud (La Poste Santé & Autonomie).
Nadège Alavoine
Líder técnico de IA
Experta en tratamiento del lenguaje natural con una trayectoria médica, Nadège es la arquitecta de varios de nuestros modelos de IA
Benoit Fage,
Ingeniero full stack, líder de backend
Benoit está apasionado por la técnica, y tiene experiencias en desarrollo de software en la energía, la ciberseguridad.
Julien Paul Vedani,
Asesor de relación con el paciente
Doctor en Matemáticas & Actuario, Julien también es presidente de una asociación de pacientes con ES. Tiene un Diploma de Democracia Sanitaria - Medicamento - Paciente asociado, y nos ayuda en la concepción de productos que involucran a los pacientes
Mikael Chelli, Cirujano ortopédico, co dueño del producto
Mikael es a la vez practicante (cirujano ortopédico y traumatólogo) en el ICR, y empresario fundador de la startup Easymedstat que facilita los trabajos de investigación clínica.
Jorge Korgut,Ingeniero Full stack
Jorge es muy polifacético y desarrolla nuestras aplicaciones para la movilidad y las videoconferencias
Ons Aouina
Científico de Inteligencia Artificial
Su investigación postdoctoral se centró en mejorar la atención psiquiátrica identificando y rastreando con precisión la información de los pacientes de salud mental en los informes médicos utilizando anotación semántica
Souhir Khessiba
Científico de Inteligencia Artificial
Investigador científico y Doctor en Informática y Tecnología, especializada en inteligencia artificial, tratamiento de señales y optimización de hiperparámetros para las redes de aprendizaje profundo aplicadas a las señales biomédicas, con especial atención en el análisis de los EEG y las señales espaciotemporales relacionadas con la artritis de la rodilla y la enfermedad de Parkinson.
Rashedur Rahman,
Científico Senior de Inteligencia Artificial
Augustin es polifacético y se especializa en desarrollo front end, con experiencias exitosas en el desarrollo de un software web de control de robot autónomo, o de solución de piloto de eficiencia energética