Blog
Sciatalgie ou accident des anticoagulants ?
Dalacine et coumadine
Une douleur abdominale chez un patient diabétique
Une pancréatite vraiment sans cause ?
Posos ou comment cibler rapidement le médicament à l’origine d’un effet secondaire
Chez Posos, nous avons pour mission d’aider les professionnels de santé à mieux soigner en leur apportant des réponses médicales concrètes et adaptées pour chaque patient. Découvrez dans chaque article de cette série comment Posos vous aide à résoudre des cas concrets.
Building a medical search engine — Step 3: Using NLP tools to improve search results
The time caregivers can spend with their patients reportedly declines whereas the amount of available information increases, making their work harder each day (notwithstanding the pandemic). At Posos, we want to enable doctors to support their therapeutic decisions with the latest medical data in order to provide the best possible care for each patient. This is what motivates us to build a search engine enhanced by medical-specific NLP tools built on authoritative data.
Comment Posos compte transformer l’aide à la prescription des médecins
De fantastiques progrès ont métamorphosé la médecine en quelques dizaines d’années. De nouvelles capacités de diagnostic ont vu le jour avec les IRM et la génétique. La robotique a envahi les blocs opératoires et de nouveaux médicaments révolutionnaires tels que les anticorps monoclonaux ont enrichi l’arsenal thérapeutique.
Building a medical search engine — Step 2: Identifying medical entities in text.
In this article, you will learn about one of the most important applications of medical word embeddings: a machine learning model that identifies medical entities (as drug names or diseases) in text.
1
2