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

09 Fév

14:02

Planmed annonce le marquage CE et la commercialisation de XFI®, son scanner cone-beam (CBCT) pour l'imagerie corps entier en charge. La certification concerne l'imagerie des extrémités, de la tête et du cou, précise un communiqué.

7:30

Un essai randomisé contrôlé sur 60 patientes atteintes d'adénomyose démontre que l'embolisation des artères utérines résulte en une résolution plus complète de la douleur pelvienne chronique et des saignements que le traitement par diénogest. Étude.

7:00

06 Fév

16:08

Des chercheurs ont développé et validé un modèle de deep learning entièrement automatisé pour détecter et mesurer les masses surrénaliennes sur des scanners abdominaux injectés. Le modèle a le potentiel d’améliorer les taux de détection des lésions et de faciliter leur prise en charge précoce, indique l'étude.

15:00

13:06

Une étude publiée dans Radiology montre que le compte rendu structuré améliore l’efficacité des radiologues en réduisant le temps de rédaction et en recentrant l’attention visuelle sur l’image, par rapport au texte libre. L’ajout de l’intelligence artificielle augmente la précision diagnostique.
✕
Docteur Imago

GRATUIT
VOIR