Medical Language Processing in the era of Large Language Models (MLP-LLM 2025)

Venue : Colocated with CORIA-TALN 2025, Marseille, France

Date : 30th Juin 2025

[Last Update : 11th March 2025]

Description

L’avènement des grands modèles de langue (LLMs) a révolutionné le traitement automatique des langues dans divers domaines, y compris la santé [3,4,7]. Cependant, la complexité du langage médical - marquée par des terminologies spécialisées, l’utilisation des abréviations et des ontologies médicales de type ICD, UMLS or SNOMED [1], des dépendances contextuelles implicites [8] (dans un contexte donné, le contenu médical peut changer en fonction de la temporalité, l’événement ou le degré de certitude) - pose des défis et des opportunités uniques. Le TAL médical peut aider les praticiens hospitaliers dans le diagnostic et le traitement des patients [5]. Pourtant, le domaine de la santé comprend non seulement l’aspect humain représenté par la relation praticien-patient, mais également le contact avec le monde biologique (animaux, plantes, virus, microbes) [10]. Cet atelier, MLP-LLM, vise à rassembler des chercheurs en TAL, bioinformatique, médecine et linguistique afin d’explorer les avancées, les limites et les considérations éthiques de l’utilisation des LLMs dans des contextes médicaux. Les sujets d’intérêt incluent, mais ne sont pas limités à:

• Affiner et adapter les LLMs pour les applications médicales et pour différentes langues.
• Proposer des méthodes d’évaluation adaptées au domaine médical.
• Traiter les biais dans la compréhension du langage médical et les hallucinations des LLMs.
• Garantir la transparence, l’interprétabilité, le niveau de certitude et la responsabilité dans les systèmes d’IA médicale [9].
• Développer des benchmarks spécifiques au domaine pour évaluer les LLMs dans le domaine de la santé.
• Développer des applications des LLMs dans l’aide à la décision clinique, la transcription médicale et la communication entre les praticiens et les patients [2,7].

Invited Speaker

Natalia Grabar, Université de Lille

Important Dates

• Soumission des articles: 30 Avril 2025
• Notification aux auteurs: 15 Mai 2025
• Version finale: 17 Mai 2025
• Atelier : 30 Juin 2025

Contact

mlpllm2025@gmail.com

Programme Committee

• Ioana Buhnila, ATILF, CNRS - Université de Lorraine (co-responsable)
• Aman Sinha, IECL- ATILF - ICANS Strasbourg (co-responsable)
• Hanbyul Song, ATILF, CNRS - Université de Lorraine
• Laura Zanella, POSOS
• Salomé Klein, LiLPa, Université de Strasbourg
• Joé Laroche, LiLPa, Université de Strasbourg
• Delphine Charuau, Trinity College Dublin
• Sam Bigeard, INRIA, Université de Lorraine

Scientific Committee

• Aurélie Névéol, Université Paris-Saclay, CNRS, LISN
• Natalia Grabar, Université de Lille
• Remi Cardon, CENTAL, IL&C, Université Catholique de Louvain
• Cyril Grouin, LISN, CNRS - Université Paris-Saclay
• Amalia Todirascu, LiLPa, Université de Strasbourg
• Lina F. Soualmia, Université Rouen Normandie
• Patrick Watrin, CENTAL, UCLouvain
• Adrien Coulet, Inria Paris - Université de Lorraine
• Benoit Favre, Université d’Aix-Marseille
• Emmanuel Morin, Université de Nantes
• Richard Dufour, Université de Nantes
• Mathieu Constant, Université de Lorraine
• Timothee Mickus, University of Helsinki
• Claire Nedellec, Institut National de Recherche Agronomique (INRA)
• Lisa Raithel, DFKI
• Ioana Buhnila, ATILF, CNRS - Université de Lorraine
• Aman Sinha, IECL- ATILF - ICANS

References

1. Roger A Cote. 1998. Systematized nomenclature of human and veterinary medicine: Snomed international. version 3.5. Northfield, IL: College of American Pathologists.
2. Thomas W LeBlanc, Ashley Hesson, Andrew Williams, Chris Feudtner, Margaret Holmes-Rovner, Lillie D Williamson, and Peter A Ubel. 2014. Patient understanding of medical jargon: a survey study of us medical students. Patient education and counseling, 95(2):238–242.
3. Li, J., Dada, A., Puladi, B., Kleesiek, J., & Egger, J. (2024). ChatGPT in healthcare: a taxonomy and systematic review. Computer Methods and Programs in Biomedicine, 108013.
4. Neveol, A., De Bruijn, B., & Fredouille, C. (2020). TAL et Santé [NLP and Health]. Traitement Automatique des Langues, 61(2), 7-14.
5. Logesh Kumar Umapathi, Ankit Pal, and Malaikannan Sankarasubbu. 2023. Med-halt: Medical domain hallucination test for large language models. arXiv preprint arXiv:2307.15343.
6. Seyedeh Belin Tavakoly Sany, Fatemeh Behzhad, Gordon Ferns, and Nooshin Peyman. 2020. Communication skills training for physicians improves health literacy and medical outcomes among patients with hypertension: a randomized controlled trial. BMC health services research, 20:1–10.
7. Wen, A., Fu, S., Moon, S., El Wazir, M., Rosenbaum, A., Kaggal, V. C., … & Fan, J. (2019). Desiderata for delivering NLP to accelerate healthcare AI advancement and a Mayo Clinic NLP-as-a-service implementation. NPJ digital medicine, 2(1), 130.
8. Mahajan, D., Liang, J. J., & Tsou, C. H. (2022, February). Toward understanding clinical context of medication change events in clinical narratives. In AMIA Annual Symposium Proceedings (Vol. 2021, p. 833).
9. Nazi, Z. A., & Peng, W. (2024, August). Large language models in healthcare and medical domain: A review. In Informatics (Vol. 11, No. 3, p. 57). MDPI
10. Chaix, E., Deléger, L., Bossy, R., & Nédellec, C. (2019). Text mining tools for extracting information about microbial biodiversity in food. Food microbiology, 81, 63-75.