Les modèles d'intelligence artificielle (IA) ont démontré une remarquable efficacité dans le domaine de la médecine factuelle, offrant une solution prometteuse aux difficultés rencontrées par les professionnels de santé pour se tenir au courant des dernières découvertes scientifiques. Une étude récente menée par des chercheurs de l'École de médecine Icahn du Mont Sinaï a mis en lumière le potentiel des grands modèles de langage (GML) pour révolutionner la pratique médicaledent .
Modèles d'IA et médecine fondée sur les preuves
La médecine fondée sur les preuves consiste à utiliser les meilleures données probantes issues de la recherche pour prendre des décisions cliniques concernant les patients, en s'éloignant des méthodes traditionnelles et des convictions personnelles. Dans le paysage médical actuel, en constante évolution, se tenir au courant du flux incessant de nouvelles recherches représente un défi de taille pour les professionnels de la santé. Toutefois, cette étude suggère que les chatbots d'intelligence artificielle, et plus particulièrement ChatGPT-4, pourraient offrir une solution prometteuse à cette complexité.
L'équipe de recherche a testé les capacités de différents modèles d'IA, notamment ChatGPT d'OpenAI, Gemini, LLAMA v2 et Mixtral-8x7B. Ces modèles ont eu accès à des dossiers cliniques préalablement sélectionnés et ont été chargés de prendre des décisions cliniques à partir des données disponibles. Les chercheurs ont évalué leurs performances à l'aide de plusieurs indicateurs.
ChatGPT-4 ouvre la voie
Dans leur rapport, les chercheurs ont évalué la résistance des modèles d'IA aux hallucinations, la validité de leurs décisions cliniques et leur respect des recommandations cliniques. Le modèle le plus performant de cette étude était ChatGPT-4, qui a démontré la plus grande capacité à fonctionner en milieu clinique sans intervention humaine, surpassant ainsi les autres modèles d'apprentissage automatique.
Selon le rapport, « les titulaires d'un LLM peuvent exercer en tant que praticiens autonomes de la médecine fondée sur les preuves ». Il souligne leur potentiel d'interaction avec les systèmes de santé du monde réel et de gestion des dossiers des patients conformément aux directives établies.
Malgré les performances impressionnantes des modèles de langage (LLM) en médecine factuelle, l'étude adentplusieurs points à améliorer dans leur fonctionnement. Une limitation importante réside dans le fait que les principaux modèles de langage ont souvent une date limite de formation fixée à 2021, ce qui les rend indisponibles pour les nouvelles données médicales postérieures. Le rapport souligne que la mise à jour de ces modèles avec les nouvelles informations médicales représente un investissement important qui peut freiner leur application pratique.
De plus, le risque d'hallucinations est préoccupant lorsqu'on demande à des étudiants en médecine de fournir des informations sur des sujets médicaux qu'ils ne maîtrisent pas. Par ailleurs, les données relatives aux considérations culturelles et à la résistance aux antibiotiques sont insuffisantes, ce qui pourrait affecter la précision des décisions cliniques.
Solutions innovantes
Pour améliorer les performances des modèles d'apprentissage automatique en médecine factuelle, les chercheurs ont introduit un nouvel outil appelé Retrieval Augmented Generation (RAG). Cette approche consiste à fournir aux modèles d'IA des informations spécifiques à la tâche, améliorant ainsi la qualité de leurs réponses.
L'ingénierie rapide a étédentcomme une autre méthode pour affiner les réponses des LLM. En fournissant au LLM des informations spécifiques, telles que « Vous êtes professeur de médecine », les chercheurs ont constaté que les réponses devenaient plus adaptées au patient et au système de santé.
Les chercheurs reconnaissent les limites des modèles en matière de gestion des directives complexes et des nuances diagnostiques, mais ils estiment que la génération augmentée par récupération peut contribuer à résoudre ces problèmes, en rendant les recommandations plus centrées sur le patient et adaptables aux systèmes de santé.
L'IA et la médecine dans un avenir prometteur
L'intégration des technologies émergentes telles que l'IA et la blockchain progresse rapidement en médecine et en santé publique. Des recherches sont en cours pour explorer le potentiel de l'IA dans la détection du cancer et tracdes épidémies.
Pour que l'IA puisse se développer et opérer dans le cadre légal tout en relevant les défis croissants, les experts suggèrent d'intégrer un système blockchain d'entreprise. Un tel système garantirait la qualité et la propriété des données saisies, préservant ainsi leur intégrité et leur immuabilité.
L'étude du Mont Sinaï souligne le potentiel de l'IA, et notamment de ChatGPT-4, pour transformer la médecine factuelle. Malgré les défis à relever, des solutions innovantes comme la génération augmentée par la recherche offrent des perspectives prometteuses pour améliorer les performances des modèles d'IA en milieu clinique. Avec l'évolution constante des technologies, l'avenir de l'IA dans le domaine de la santé est porteur de grandes promesses pour l'amélioration des soins aux patients et la prise de décision clinique.
