Les modèles d’intelligence artificielle répondent avec précision aux questions cliniques sur les calculs urinaires

Les outils d’intelligence artificielle capables de comprendre et de générer du langage naturel montrent une capacité remarquable à soutenir les professionnels de santé dans des domaines médicaux spécialisés. Une évaluation récente a testé quatre de ces systèmes face à des questions cliniques précises concernant la prise en charge des calculs urinaires, une pathologie fréquente et complexe.

Les chercheurs ont élaboré cent cinq questions couvrant divers aspects de cette maladie, allant du diagnostic aux traitements en passant par des situations particulières comme la grossesse ou les cas pédiatriques. Chaque système a répondu à ces questions lors de deux sessions distinctes. Deux urologues expérimentés ont ensuite évalué les réponses en les comparant aux recommandations des guides cliniques de référence. Les résultats révèlent que tous les systèmes ont obtenu des scores élevés, avec une moyenne comprise entre 86 et 93 pour cent, indiquant une forte conformité aux directives médicales. Parmi eux, l’un des modèles s’est distingué par une corrélation particulièrement forte avec les évaluations des experts, atteignant un niveau de concordance de 94 pour cent.

Aucune différence significative n’a été observée entre les performances des systèmes ni entre les différentes catégories de questions, ce qui suggère une stabilité dans leur capacité à fournir des informations fiables. De plus, les réponses générées lors des deux sessions étaient très similaires, confirmant la répétabilité des résultats.

Ces outils pourraient donc servir de soutien pour la formation médicale et l’assistance clinique, en offrant des réponses alignées sur les bonnes pratiques. Leur utilisation comme aide complémentaire dans le domaine de l’urologie semble prometteuse, bien que des validations supplémentaires dans des contextes réels restent nécessaires pour confirmer leur utilité en pratique quotidienne. Leur intégration pourrait faciliter l’accès à des informations standardisées et à jour, tout en soulignant l’importance de maintenir une supervision humaine pour garantir la sécurité et la pertinence des décisions médicales.

Sources et crédits

Étude source

DOI : https://doi.org/10.1007/s00240-026-02013-1

Titre : Performance of large language models in urological decision support: a guideline-based comparative evaluation in urolithiasis

Revue : Urolithiasis

Éditeur : Springer Science and Business Media LLC

Auteurs : Adem Tunçekin; Yasin Aktaş