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

07 Mar

16:30

Une nouvelle IRM a été installée au centre de cancérologie de la Sarthe (CCS) depuis janvier 2025, afin de renforcer les capacités d'imagerie dans le département et de réduire les délais d'attente pour les patients, annonce actu.fr.

15:00

13:30

Avec l’échographie et la radiographie, les dermatologues s’appuient de plus en plus sur les modalités d’imagerie médicale pour aider à diagnostiquer des troubles cutanés complexes et divers. Une étude souligne donc la nécessité d’optimiser les ressources et de renforcer la collaboration entre la dermatologie et la radiologie.

7:30

La TEP au fluoroestradiol [18F]-FES pourrait améliorer la stadification du cancer du sein positif aux récepteurs d’œstrogènes de grade 1 ou 2 par rapport à la TEP au [18F]-FDG, indique une étude parue dans la revue Radiology.

7:00

06 Mar

16:35

Le test salivaire Endotest®, développé par la société Ziwig pour accélérer le diagnostic de l'endométriose, va être déployé en France dans le cadre d’un essai clinique. Disponible depuis le 11 février 2025 dans plusieurs centres en France (liste ici) avec une prise en charge par le forfait innovation, ce test vise à raccourcir le délai de diagnostic et améliorer l’accès aux soins, informe santé.gouv.fr.
✕
Docteur Imago

GRATUIT
VOIR