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
Le 30/09/25 à 15:00, mise à jour le 05/02/26 à 10:59 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

10 Avr

15:32

Un modèle d’IA à apprentissage profond montre un potentiel en tant qu’outil de dépistage opportuniste de la santé osseuse chez les enfants, selon une étude publiée dans Radiology.

13:14

Les événements de sécurité des patients en radiologie représentent une faible proportion des incidents (3,2 %), mais révèlent des vulnérabilités importantes, notamment chez les enfants et les personnes âgées, avec un risque élevé lié aux médicaments et aux produits de contraste, selon une étude publiée dans Current Problems in Diagnostic Radiology

7:13

Les patientes atteintes d’un cancer du sein qui développent un dysfonctionnement cardiaque lors d’une chimiothérapie néoadjuvante subissent également une perte de tissu cérébral significativement plus importante que celles dont la fonction cardiaque reste stable, selon une étude publiée dans Academic Radiology.
09 Avr

16:21

Une étude multicentrique publiée dans European Radiology montre qu’un modèle de deep learning combinant nnU-Net et ConvNeXt-tiny permet d’évaluer avec précision l’invasion musculaire dans le cancer de la vessie à partir d’IRM, avec des performances élevées et stables.
Docteur Imago

GRATUIT
VOIR