AllergyLab Agent : un agent d'analyse honnête

0 vues0 abonnés
Description

Et si un assistant d'analyse savait dire « je ne sais pas » ?

AllergyLab Agent est un agent d'analyse en langage naturel construit sur le jeu de données Allergen Chip Challenge de la Société Française d'Allergologie : 4 271 patients, 256 variables, trois types de puces d'allergènes (ALEX, ISAC V1, ISAC V2).

On lui pose une question en français. Il calcule la réponse avec des outils testés et la justifie en citant la colonne, la puce et le nombre de patients mesurés. Quand les données ne permettent pas de conclure, il s'abstient et explique pourquoi.

Pourquoi ce projet

Ce jeu de données demande de la prudence. Une cellule vide signifie « non mesuré par cette puce », jamais « non sensibilisé ». Les valeurs -1 et 9 n'ont pas toujours un sens confirmé. Toutes les puces ne mesurent pas les mêmes allergènes. Un assistant qui répond coûte que coûte risquerait de produire des chiffres faux. Nous avons voulu l'inverse : un agent qui ne dit rien au-delà de ce que les données montrent.

Ce que fait l'agent

  • Compte les patients, par puce ou au total.
  • Calcule des proportions avec un intervalle de confiance de Wilson à 95 %, des moyennes et des répartitions.
  • Indique quelles puces mesurent une colonne.
  • Décompte les valeurs vides, -1 et 9, par colonne.
  • Donne le sens documenté d'un code, ou signale qu'il n'est pas confirmé.

Il passe par sept outils Python testés hors ligne, et n'accède pas directement au tableau de données.

Quand il s'abstient

  • moins de 30 patients mesurés, y compris pour un sous-groupe ;
  • moins de 50 % de patients renseignés ;
  • question hors du jeu de données ;
  • question qui affirme une cause : l'agent ne parle que d'association ;
  • code dont le sens n'est pas confirmé.

Une interface pour explorer sans écrire de code

Onze pages Streamlit :

  • Assistant IA : questions en français et exemples prêts à l'emploi ;
  • Exploration : variables, périmètre par puce, distribution ;
  • Questionnaire d'analyse : parcours guidé en huit objectifs ;
  • Qualité des données : complétude par colonne, export CSV ;
  • Statistiques : moyenne, médiane, écart-type, effectif ;
  • Comparaison des puces : tableau et boîtes à moustaches ;
  • Corrélations : Spearman, Pearson ou Kendall ;
  • Machine Learning exploratoire : PCA, KMeans, détection de profils atypiques ;
  • Historique : trace des analyses de la session, export CSV ;
  • Jeu de données : import de son propre CSV.

Comment l'essayer

Le code, le README et les consignes de lancement sont dans le dépôt. Les pages d'exploration fonctionnent à partir du jeu de données public. La partie assistant demande une clé d'API personnelle, qui n'est pas fournie, et l'agent exécute du code Python sur la machine qui le lance : à utiliser avec précaution.

Limites

Les seuils de 30 patients et de 50 % sont des conventions d'équipe, à valider avec des chercheurs. Le sens des valeurs -1 n'est pas confirmé. Les évaluations ont été faites sur de petits échantillons : ce sont des indications, pas des preuves. Les résultats sont exploratoires et ne constituent pas un avis médical.

Équipe et liens

Équipe 5, EFREI, Open Data University 2026.

Thématique
Santé
Type
Application
Mots clés
allergieassistant-iaopendatauniversitypuce-allergenequalite-donneesstatistique-medicale
Dernière mise à jour
Date de création

1 jeu de données associé

Mis à jour
7399 vues2035 téléchargements des ressources4 réutilisations0 abonnés

Doi 10.60597/j5fe-g420 L'augmentation constante des allergies nécessite d'améliorer le diagnostic des patients, qui repose sur l’histoire clinique, des tests cutanés (TC) et la détection d'anticorps …

Il n'y a pas encore d'API associées