Les modèles d'intelligence artificielle se révèlent plus performants que les médecins dans de nombreuses tâches de raisonnement médical, allant des diagnostics aux recommandations de prise en charge des patients, d'après une étude récente.
Ce qu'il faut retenir
- Les modèles d'IA surpassent les médecins pour les décisions médicales aux urgences
- Les LLM sont plus efficaces pour identifier les diagnostics les plus probables
- Les chercheurs appellent à des essais prospectifs pour évaluer l'impact de l'IA sur la pratique clinique
Étude comparative entre IA et médecins
Des chercheurs de la Harvard Medical School et du Beth Israel Deaconess Medical Center aux États-Unis ont comparé les capacités des modèles d'intelligence artificielle à celles des médecins dans diverses tâches de raisonnement clinique. Les résultats ont montré que les grands modèles de langage (LLM) se sont révélés plus performants que les médecins, notamment pour prendre des décisions d'urgence et orienter la prise en charge des patients.
Performance des modèles d'IA
Les chercheurs ont testé le modèle o1-preview d'OpenAI sur une série de cas cliniques, démontrant que l'IA surpassait les médecins, en particulier dans des situations d'urgence avec des informations limitées. Les capacités diagnostiques des modèles d'IA ont été mises en avant, soulignant leur évolution constante et leur potentiel à réduire les erreurs médicales et les retards dans les soins.
Appel à la prudence et à la collaboration
Malgré ces avancées, les auteurs de l'étude soulignent la nécessité de mener des essais prospectifs pour évaluer pleinement l'impact de l'IA sur la pratique clinique. Ils insistent sur le fait que les humains doivent demeurer la référence ultime en matière d'évaluation des performances et de sécurité, tout en encourageant une collaboration efficace entre les modèles d'IA et les professionnels de santé.
Les progrès dans le domaine de l'intelligence artificielle ouvrent de nouvelles perspectives dans le domaine médical, tout en posant des questions sur la manière dont ces avancées doivent être intégrées de manière sûre et efficace dans la pratique clinique.