Les grands modèles de langage tels que ChatGPT sont de plus en plus discutés comme support en médecine. Ils peuvent résumer des informations, suggérer des diagnostics et justifier leurs évaluations dans un langage simple. C’est précisément la principale promesse de tels systèmes : non seulement ils fournissent un diagnostic, mais ils peuvent également expliquer pourquoi un diagnostic particulier est correct. Mais on ne sait toujours pas si de telles explications aident réellement les médecins – et quelle forme est particulièrement utile -.
Une équipe de recherche de l’Université Ludwig Maximilian (LMU) de Munich, du LMU Klinikum, de l’Institut de technologie de Karlsruhe et de l’Université de Bayreuth a étudié comment différentes formes d’explications de l’IA influencent la précision du diagnostic en radiologie. Dans une expérience randomisée, 101 radiologues ont évalué des cas cliniques réels à l’aide d’images radiologiques, par exemple issues de la tomodensitométrie (TDM) ou de l’imagerie par résonance magnétique (IRM), et ont été invités chacun à formuler un diagnostic sous forme de texte libre.
Les scientifiques ont publié leurs résultats dans la revue NPJ Digital Medicine.
