Les modèles d'intelligence artificielle savent-ils éviter les examens médicaux superflus ?
Une étude israélienne évalue la capacité des modèles d'intelligence artificielle à éviter les examens médicaux superflus, révélant de bonnes performances globales malgré des erreurs dans les zones de controverse clinique.
Une nouvelle étude menée par le Dr Dean Ariel de la Clalit, le Dr Guy Leven de l'Université Ben-Gourion du Néguev et le Dr Stav Endelman du Centre médical Rabin a examiné si les grands modèles de langage de l'intelligence artificielle savent déterminer quand il convient d'éviter des examens ou des traitements médicaux superflus.
La recherche s'est appuyée sur des centaines de scénarios cliniques inspirés de l'initiative internationale 'Choosing Wisely'. Les résultats indiquent que ces modèles, issus de Google, Anthropic et OpenAI, ont rarement omis de recommander une intervention nécessaire (0,6 % des cas), mais ont conseillé des examens superflus dans 5,4 % des situations, principalement dans des domaines faisant l'objet de controverses médicales avérées.
Les auteurs soulignent que l'évaluation des outils d'IA en médecine doit impérativement mesurer leur capacité à faire preuve de retenue clinique pour éviter une sur-médicalisation inutile des patients.
