Blog

Une douleur abdominale chez un patient diabétique

Une pancréatite vraiment sans cause ?

publié par Maxime Brenner

2 mins de lecture

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.

publié par Justine Padilla

3 mins de lecture

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.

publié par Félix Gaschi

7 mins de lecture

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.

publié par Emmanuel Bilbault

4 mins de lecture

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.

publié par Félix Gaschi

6 mins de lecture

Building a medical search engine — Step 1: medical word embeddings

When treating a patient, physicians have to choose the most suitable treatment among 3,600 different molecules. This requires going through long product descriptions to identify, for instance, the right drug for a given diagnosis that is compatible with the patient’s profile.

publié par François Plesse

6 mins de lecture

Flèche vers la gauche
1
2
Flèche vers la droite

S'inscrire gratuitement