Apprentissage machine et traitement du langage naturel pour l’automatisation du développement de la revue systématique et de la méta-analyse

Le présent défi est publié en vertu de l’appel de propositions lié au défi du PICC (EN578-DB1800/A).

Veuillez consulter le document de l'invitation à soumissionner.

Nom du défi : Apprentissage machine et traitement du langage naturel pour l’automatisation du développement de la revue systématique et de la méta-analyse

Avis du défi : EN578-DB1801

Secteur prioritaire : volet militaire

valeur maximale du contrat : $675,000 (taxes en sus, le cas échéant)

Responsable du défi : Agence de la santé publique du Canada (ASPC) / ministère de la Défense nationale (MDN) 

Financement

Ce défi est entièrement financé par l’ASPC.

PHASE I – Exercice 2018-2019 : Le financement disponible pour la phase I est d’environ 225 000 $ (taxes en sus, le cas échéant) par contrat. Jusqu’à deux contrats pourraient être attribués.

PHASE II – Exercice 2019/2020 : Le financement disponible pour la phase II est d’environ 450 000 $ (taxes en sus, le cas échéant). La phase II peut être exercée pour l'un des entrepreneurs initialement attribué un contrat dans le cadre de la phase I.

Tous les fonds sont en dollars canadiens. Cette divulgation est faite de bonne foi et n'engage le Canada à des contrats pour le financement approximatif dont il a été question précédemment.

Contexte/résumé

En tant qu’organisme fédéral responsable de la prévention et de la gestion des maladies, l’Agence de la santé publique du Canada (ASPC) a pour mandat de promouvoir et de protéger la santé des Canadiens. Afin d’aider les professionnels de la santé, les décideurs et les citoyens à prendre des décisions éclairées, l’ASPC doit procéder en temps opportun à une analyse précise et complète des données probantes. Pour s’acquitter de son mandat, l’ASPC a besoin d’une capacité accrue d’effectuer des examens rapides (en temps réel) et complets des données probantes.

Une plateforme d’apprentissage machine (AM) et de traitement du langage naturel (TLN) est requise pour effectuer des examens systématiques des preuves qui s’accumulent en lien avec le processus décisionnel concernant les politiques et programmes cliniques de santé publique.

Dans ce contexte, une innovation AM-TLN est recherchée afin d’entreprendre une approche systématique, structurée et transparente pour la recherche, le tri et le classement de la documentation scientifique publiée et examinée par les pairs en fonction d’une question de recherche prédéfinie. L’innovation doit avoir la capacité d’extraire et d’exporter les principaux résultats d’études publiées dans des tableaux de données et de preuves prédéfinis.