Le projet eds-pseudo est un outil de détection et de pseudonymisation d'entités nominatives dans des documents, initialement développé pour les rapports cliniques du système d'information de santé de l'AP-HP. Il repose sur une combinaison de règles et de modèles de deep learning, et permet de détecter des adresses, dates, noms, prénoms, numéros de sécurité sociale, etc.

EDS-TeVa est un ensemble d'outils permettant de modéliser l'adoption des Dossiers Médicaux Électroniques dans le temps et l'espace. Il s'appuie sur Spark 2.4 et nécessite Python ~3.7.1 et Java 8.

Confit est un framework de configuration complet et facile à utiliser qui améliore la reproductibilité des expériences en s'appuyant sur le système de typage de Python, des fichiers de configuration minimaux et des interfaces de ligne de commande. Il permet de gérer les configurations de manière simple et efficace, de créer des interfaces de ligne de commande pour les configurations et de sérialiser les objets de configuration.