IA au service de la pertinence

Les modèles de langages pourraient améliorer les demandes des urgentistes

Dans une étude menée aux Etats-Unis, les médecins et internes urgentistes qui utilisaient des grands modèles de langage ont amélioré de 10 points en moyenne la précision de leurs demandes d’imagerie selon les guides de bonnes pratiques de l’American College of Radiology.

icon réservé aux abonnésArticle réservé aux abonnés
Aujourd'hui à 15:00 Lecture 4 min.

L'utilisation des LLM pourrait permettre d’épargner aux patients des examens de faible valeur ou non nécessaire et d’économiser de l’argent, selon les chercheurs (photo d'illustration). ® @gcasasola, pxhere.com | no rights reserved CC0

Les grands modèles de langage (LLM), type Chat-GPT, pourraient aider les urgentistes à faire des demandes d’imagerie plus pertinentes, selon une étude présentée dans Nature Communications Medicine par des chercheurs de l’université de Pennsylvanie, à Philadelphie [1]

Des guidelines peu utilisées

Selon des études récentes, jusqu’à 30 % des examens d’imagerie demandés aux urgences pourraient être remplacés par des alternatives plus pertinente, rappellent-ils en introduction de leur article. Aux États-Unis, le collège américain de radiologie (ACR) a développé des guides de bonnes pratiques basés sur les preuves, mais les médecins demandeurs peinent à se les approprier, selon plusieurs études [2]. Une situation qui pourrait en partie découler de la complexité de ces guidelines, constatent les chercheurs.

Des cas décrits en une phrase

Plusieurs travaux récents ont mis en avant la performance des grands modèles de langage pour traiter de gros volumes d’informations et rendre plus accessibles les

Il vous reste 83% 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

Jérome Hoff

Rédacteur en chef adjoint BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Yao MS, Chae A, Saraiya P, et al (2025) Evaluating acute image ordering for real-world patient cases via language model alignment with radiological guidelines. Commun Med 5:332. https://doi.org/10.1038/s43856-025-01061-9.
  2. Bautista AB, Burgos A, Nickel BJ, et al (2009) Do Clinicians Use the American College of Radiology Appropriateness Criteria in the Management of Their Patients? American Journal of Roentgenology 192:1581–1585. https://doi.org/10.2214/AJR.08.1622.

Discussion

Aucun commentaire

Laisser un commentaire

Le fil Docteur Imago

30 Sep

15:38

Un nouveau centre d’imagerie médicale a été ouvert par Maine image santé à Sablé-sur-Sarthe (72) ce lundi 22 septembre 2025, annonce le média Ouest France.

13:09

Un article publié dans Insights into Imaging, fournit un consensus d’experts pour la biopsie des lésions mammaires et la re-biopsie en cas de discordance radiologique-pathologique ou de signes de potentiel malin incertain.

7:04

Dans une étude, des chercheurs ont développé et validé un modèle de stratification du risque pancréatique basé sur IRM pour la prédiction du pronostic et l’orientation thérapeutique de l’adénocarcinome canalaire pancréatique (PDAC). Ils ont de fait démontré que le modèle M-PRiSM prédit efficacement la survie globale postopératoire et identifie les patients PDAC susceptibles de bénéficier d’un traitement adjuvant.
29 Sep

16:03

Dans une étude présentée dans JACR, l'utilisation de comptes rendus préliminaires générés par IA a permis à 5 radiologues de réduire le temps d'interprétation des radiographies thoraciques (de 25,8 à 19,3 secondes en moyenne). Toutefois, des variations dans les scores de qualité, notamment pour les examens montrant des anomalies, soulèvent la nécessité d'une utilisation supervisée de l'IA, estiment les auteurs.
Docteur Imago

GRATUIT
VOIR