1. Structuration PICO(S)
Détecte population, intervention, comparateur, outcome et design d’étude. Si la question est exploratoire, le pipeline bascule en extraction de mots-clés.
Prototype technique
Ce prototype combine une structuration PICO(S), une requête booléenne de style Bramer, une rerépartition sémantique sur PubMedBERT et une synthèse finale structurée.
Détecte population, intervention, comparateur, outcome et design d’étude. Si la question est exploratoire, le pipeline bascule en extraction de mots-clés.
Construit une requête booléenne MeSH + synonymes puis interroge PubMed via les E-utilities NCBI pour récupérer 20 à 50 résumés.
Encode la question d’origine et les résumés avec PubMedBERT puis garde les articles les plus proches par similarité cosinus.
Retourne un JSON unique avec résumé, thèmes, gaps et top papers. Une synthèse LLM peut être branchée si une clé OpenAI ou Anthropic est fournie.
Le service Python est versionné dans le repo sous `prototype/` avec une CLI et un endpoint FastAPI.
python -m pip install -r requirements.txt
python -m uvicorn prototype.api:app --reload --port 8000
curl -X POST http://127.0.0.1:8000/review \
-H "Content-Type: application/json" \
-d '{
"query": "Does metformin improve glycemic control in adults with type 2 diabetes compared with sulfonylureas?",
"retmax": 30,
"top_k": 10
}'