Analyse de cas cliniques

Des LLM plus précis qu’un étudiant en médecine mais moins que des radiologues juniors

icon réservé aux abonnésArticle réservé aux abonnés
Le 03/02/25 à 7:00

Les auteurs de l’étude ont par conséquent constaté que GPT-4o était le plus précis des LLM, avec une précision de 59,6, surpassant un étudiant en médecine, mais n'a pas surpassé les professeurs juniors ou le radiologue en formation. (Photo d'illustration).

Les grands modèles de langage multimodaux (LLM), capables de traiter des données textuelles et visuelles, sont de plus en plus expérimentés dans le domaine de la radiologie. Dans une étude parue dans la revue Radiology, des chercheurs de l’Université Yonsei de Séoul, en Corée du Sud, ont évalué la précision de plusieurs d'entre eux face à celle de lecteurs humains, ayant différents niveaux d’expérience, dans des cas cliniques issus d'articles de la revue New England Journal of Medicine (NEJM), publiés de 2005 à 2024.

272 cas test avec des données textuelles et visuelles

Les LLM, dont GPT-4V, GPT-4 Omni (GPT-4o), DeepMind Gemini 1.5 Pro et Claude 3, ont été mis à l'épreuve sur 272 cas, avec des données textuelles et visuelles. Le groupe de lecteurs humains incluait sept radiologues juniors, deux cliniciens, un radiologue en formation et un étudiant en médecine, en aveugle face aux réponses publiées.

GPT-4o plus précis qu’un étudiant en médecine

Premier constat : GPT-4o était le plus

Il vous reste 49% 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

    Suh PS, Shim WH, Suh CH, et al (2024) Comparing Large Language Model and Human Reader Accuracy with New England Journal of Medicine Image Challenge Case Image Inputs. Radiology 313:e241668. https://doi.org/10.1148/radiol.241668

Mots-clés

intelligence artificielle ChatGPT

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Dans le dossier

L’intelligence artificielle en langage naturel

Voir le dossier

Le fil Docteur Imago

11 Mar

16:02

Des chercheurs ont utilisé un système d'IA pour quantifier automatiquement les calcifications artérielles mammaires à partir de mammographies de dépistage du cancer du sein pour identifier les femmes à risque cardiovasculaire. Des calcifications ont été détectées chez 16,1 % (cohorte interne) et 20,6 % (cohorte externe) des femmes et ont fourni une valeur pronostique significative (étude).

15:00

14:00

La Société européenne de radiologie (ESR) annonce le lancement de la nouvelle revue European Radiology Abdomen. Fondée en collaboration avec la Société européenne de radiologie gastro-intestinale et abdominale (ESGAR) et la Société européenne de radiologie urogénitale (ESUR), la nouvelle revue a pour rédactrice en chef la radiologue Valérie Vilgrain.

7:30

La suite d'outils d'intelligence artificielle Rayvolve AI de l'entreprise française AZmed a démontré des performances robustes et généralisables dans plusieurs applications telles que la détection des anomalies thoraciques ou le calcul de l'âge osseux, dans une étude sur plus de 250 000 examens de radiographie.

7:00

10 Mar

16:05

Un étiquetage des lésions à l'aide d'étiquettes reproductibles entre lecteurs est essentiel au développement et à la validation des algorithmes d'intelligence artificielle en médecine nucléaire, défendent les auteurs d'un article paru dans JNM, qui jugent que les pratiques en la matière ne sont pas assez rigoureuses.
✕
Docteur Imago

GRATUIT
VOIR