Dans cet article, nous proposons ConTextual, un nouveau cadre permettant d'extraire des informations importantes de données cliniques non structurées et de les utiliser pour la prise de décision en matière de soins aux patients. Pour remédier au problème que posent les études existantes, soit en traitant tous les jetons de manière égale, soit en s'appuyant sur des filtres heuristiques qui négligent les informations cliniques importantes, ConTextual intègre une méthode de filtrage des jetons préservant le contexte à un graphe de connaissances (KG) spécifique à un domaine. En préservant les jetons importants spécifiques au contexte et en les enrichissant de connaissances structurées, ConTextual améliore à la fois la cohérence linguistique et la précision clinique. Les résultats expérimentaux obtenus sur deux jeux de données de référence publics montrent que ConTextual surpasse systématiquement les autres modèles de référence. Il met en évidence les rôles complémentaires du filtrage au niveau des jetons et de la récupération structurée, et offre une solution évolutive pour améliorer la précision de la génération de textes cliniques.
