Intelligence artificielle

Chat GPT-4 est efficace pour détecter les erreurs dans les comptes rendus

Dans une étude publiée dans Radiology, des chercheurs allemands ont mis en avant le potentiel de Chat GPT-4 pour détecter les erreurs dans les comptes rendus de radiologie. Ceci pourrait permettre d'améliorer le flux et la charge de travail des radiologues tout en optimisant les coûts.

icon réservé aux abonnésArticle réservé aux abonnés
Le 05/08/24 à 7:00 Lecture 1 min.

« Nos résultats démontrent que les performances de relecture de GPT-4 sont comparables à celles des lecteurs humains, indépendamment de l’expérience clinique de ces derniers », écrivent les chercheurs (photo d'illustration). © Solenn Duplessy

Une étude publiée dans Radiology a évalué les performances et les capacités avancées de traitement de texte des grands modèles de langage, tels que Chat GPT-4 (Open AI), pour aider à générer des comptes rendus [1]. Les chercheurs ont analysé son efficacité dans l'identification des erreurs courantes contenues dans ces comptes rendus, « en mettant l’accent sur les performances, le temps et la rentabilité », précisent-ils.

Détection de 150 erreurs dans 200 rapports

Pour ce faire, la performance de GPT-4 a été mesurée dans la détection de 150 erreurs délibérément introduites par un interne en radiologie dans 200 comptes rendus d'examens de radiographie et d'imagerie en coupes compilés entre juin 2023 et décembre 2023, dans un hôpital universitaire de Cologne en Allemagne. Cinq catégories d’erreurs ont été insérées : omission, insertion, orthographe, confusion latérale et autres erreurs. Cette performance a ensuite été comparée à celle de six radiologues de niveaux d’expérience différent

Il vous reste 62% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Gertz R. J., Dratsch T., Bunck A. C. et al, « Potential of GPT-4 for Detecting Errors in Radiology Reports: Implications for Reporting Accuracy », Radiology, avril 2024, vol. 311, n° 1. DOI : 10.1148/radiol.232714

Modalité d’imagerie

IRM Scanner Radiologie conventionnelle

Mots-clés

intelligence artificielle ChatGPT

Discussion

Aucun commentaire

Laisser un commentaire

Dans le dossier

icon réservé aux abonnés Les erreurs en imagerie médicale

Voir le dossier

Le fil Docteur Imago

07 Août

16:00

Pour la détection du cancer du sein, les performances diagnostiques des protocoles d'IRM abrégée par rapport à l'IRM standard varient selon le protocole et le contexte clinique. La technique FAST conserve une sensibilité élevée, tandis que la combinaison FAST + ultrafast + T2W offre une spécificité supérieure dans un contexte diagnostique (étude).

14:30

72 % des patientes préfèreraient l'angiomammographie à l'IRM mammaire lorsque les performances diagnostiques sont comparables. Cette préférence est liée à une sensation de claustrophobie moindre, à une durée d'examen plus courte et à un niveau d'anxiété plus faible (étude).

7:10

La Société nord-américaine de radiologie (RSNA) annonce le lancement de son challenge IA pour l'imagerie du genou. Les modèles développés seront évalués sur leur capacité à détecter et à classer avec précision les anomalies du genou visibles à l'IRM. Les gagnants seront annoncés au prochain congrès de la RSNA qui se tiendra du 29 novembre au 3 décembre.

7:00

06 Août

16:00

L'arrêté du 4 août 2026 fixant le nombre d'étudiants de troisième cycle des études de médecine susceptibles d'être affectés, par spécialité et par subdivision territoriale au titre de l'année universitaire 2026-2027 a été publié au Journal Officiel. Pour la radiologie, le nombre d'internes est fixé à 266, et pour la médecine nucléaire à 44.

13:44

Des grands modèles de langage (LLM) seraient capables de générer, à partir des notes cliniques, des indications pertinentes en radiologie qui seraient plus complètes et plus factuelles que les indications émises par des cliniciens (étude).
✕
Docteur Imago

GRATUIT
VOIR