{"id":394643,"date":"2025-02-17T00:01:00","date_gmt":"2025-02-16T23:01:00","guid":{"rendered":"https:\/\/medizinonline.com\/?p=394643"},"modified":"2025-02-24T16:34:34","modified_gmt":"2025-02-24T15:34:34","slug":"dr-chatgpt-les-grands-modeles-linguistiques-dans-le-quotidien-de-lhopital","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/fr\/dr-chatgpt-les-grands-modeles-linguistiques-dans-le-quotidien-de-lhopital\/","title":{"rendered":"Dr. ChatGPT : les grands mod\u00e8les linguistiques dans le quotidien de l’h\u00f4pital"},"content":{"rendered":"\n

Avec la mise \u00e0 disposition publique de ChatGPT 3.5 \u00e0 l’automne 2022 au plus tard, l’intelligence artificielle au sens de grands <\/em>mod\u00e8les linguistiques ( <\/em>LLM) est sur toutes les l\u00e8vres. On oublie souvent que ce n’est que l’aboutissement provisoire de plusieurs d\u00e9cennies de d\u00e9veloppement d’intelligences artificielles qui, malgr\u00e9 leur grand potentiel, pr\u00e9sentent encore de nombreuses limites. Pour le m\u00e9decin praticien, la question est de savoir comment cette technologie peut \u00eatre utilis\u00e9e de mani\u00e8re judicieuse dans le quotidien clinique – et comment il vaut mieux ne pas l’utiliser. <\/strong><\/p>\n\n\n\n

\n\t
\n\t\t\n\n

Vous pouvez passer le test de FMC sur notre plateforme d’apprentissage apr\u00e8s avoir lu le mat\u00e9riel recommand\u00e9. Pour ce faire, veuillez cliquer sur le bouton suivant : <\/p>\n\n\n\n

\n
D\u00e9marrer le test CME<\/a><\/div>\n<\/div>\n\n\t<\/div>\n\t<\/div>\n\n

Avec la mise \u00e0 disposition publique de ChatGPT 3.5 \u00e0 l’automne 2022 au plus tard, l’intelligence artificielle au sens de grands <\/em>mod\u00e8les linguistiques ( <\/em>LLM) est sur toutes les l\u00e8vres. On oublie souvent que ce n’est que l’aboutissement provisoire de plusieurs d\u00e9cennies de d\u00e9veloppement d’intelligences artificielles qui, malgr\u00e9 leur grand potentiel, pr\u00e9sentent encore de nombreuses limitations. <\/p>\n\n

Pour le m\u00e9decin praticien, la question est de savoir comment cette technologie fascinante peut \u00eatre utilis\u00e9e de mani\u00e8re judicieuse dans le quotidien clinique – et comment il vaut mieux ne pas l’utiliser. Le pr\u00e9sent CME a pour but d’apporter une aide concr\u00e8te dans ce domaine. <\/p>\n\n

Vignette de cas – 1\u00e8re partie<\/h5>\n\n

Une patiente de 44 ans se pr\u00e9sente au cabinet de son m\u00e9decin g\u00e9n\u00e9raliste avec des douleurs abdominales gauches. Les douleurs ont commenc\u00e9 il y a quelques jours et sont maintenant en constante augmentation. La patiente est en bon \u00e9tat g\u00e9n\u00e9ral avec des param\u00e8tres vitaux stables. Il existe une dolence \u00e0 la pression dans le bas-ventre gauche avec une tension d\u00e9fensive minimale. Il n’y a pas de fi\u00e8vre, les valeurs de l’inflammation sont l\u00e9g\u00e8rement \u00e9lev\u00e9es. Une diverticulite est suspect\u00e9e. <\/p>\n\n

Le jeune coll\u00e8gue du cabinet de m\u00e9decine g\u00e9n\u00e9rale est enthousiasm\u00e9 par les possibilit\u00e9s offertes par les grands mod\u00e8les linguistiques et souhaite les utiliser dans sa pratique clinique quotidienne.<\/p>\n\n

Bases techniques [1]<\/h3>\n\n

Les grands mod\u00e8les linguistiques (LLM) sont un sous-domaine de l’intelligence artificielle ou de l’apprentissage automatique <\/em>qui traite du traitement du langage naturel (natural language processing). <\/em>Ils sont constitu\u00e9s d’un r\u00e9seau comportant des dizaines de couches (layers)<\/em> et des milliards, voire probablement des trillions, de connexions (parameters).<\/em> Cette structure \u00e9tant similaire \u00e0 celle d’un cerveau biologique, le terme de “r\u00e9seau neuronal” s’est impos\u00e9.<\/p>\n\n

Le r\u00e9seau est entra\u00een\u00e9 sur un vaste corpus de textes, g\u00e9n\u00e9ralement disponible gratuitement sur Internet. Tous les fabricants ne divulguent pas l’\u00e9tendue exacte des donn\u00e9es d’entra\u00eenement. L’entra\u00eenement est \u00e0 la fois automatis\u00e9 (non supervis\u00e9) et guid\u00e9 par l’homme (partiellement supervis\u00e9) et n\u00e9cessite \u00e9norm\u00e9ment de temps et de ressources. La supervision humaine est n\u00e9cessaire pour am\u00e9liorer la qualit\u00e9 de l’apprentissage et contr\u00f4ler que le langage n\u00e9gatif ou agressif ne pr\u00e9domine pas. En m\u00eame temps, cette supervision humaine est aussi une zone de probl\u00e8mes, car les examinateurs sont souvent sous-pay\u00e9s et peuvent ne pas \u00eatre suffisamment form\u00e9s. <\/p>\n\n

Pendant l’apprentissage, les donn\u00e9es d’apprentissage sont fragment\u00e9es (tokenis\u00e9es) <\/em>en petits fragments tels que des mots ou de courtes parties de mots et les connexions entre elles sont pond\u00e9r\u00e9es dans le r\u00e9seau. Les liens fr\u00e9quents sont renforc\u00e9s et les liens rares sont affaiblis. Le r\u00e9seau d\u00e9veloppe ainsi une connaissance approfondie de la structure de la langue dans les donn\u00e9es d’apprentissage. En fonction des param\u00e8tres de base et des donn\u00e9es de formation, un r\u00e9seau peut \u00eatre sp\u00e9cialis\u00e9 dans des t\u00e2ches sp\u00e9cifiques, par exemple la traduction de la langue. Les LLM actuellement en ligne de mire sont pour la plupart des “g\u00e9n\u00e9ralistes” sans sp\u00e9cialisation claire. <\/p>\n\n

<\/p>\n\n

Soci\u00e9t\u00e9 Suisse d’Informatique M\u00e9dicale (SSIM)<\/strong><\/td><\/tr>
La Soci\u00e9t\u00e9 Suisse d’Informatique M\u00e9dicale (SSIM) promeut l’\u00e9tude, le d\u00e9veloppement et l’utilisation des moyens informatiques dans le domaine de la sant\u00e9. En tant qu’organisation neutre, nous accordons une grande importance \u00e0 l’aspect scientifique (efficacit\u00e9, utilit\u00e9, ad\u00e9quation) lors de la diffusion de moyens informatiques dans le quotidien clinique (informatique m\u00e9dicale bas\u00e9e sur les preuves). La SSMI se consid\u00e8re donc comme un partenaire prudent et fiable dans le domaine de l’int\u00e9gration des syst\u00e8mes, de la conception des processus, du transfert et de l’utilisation des donn\u00e9es dans un \u00e9cosyst\u00e8me de sant\u00e9 sociotechnique orient\u00e9 vers les normes. <\/td><\/tr>
Dans le cadre de ses activit\u00e9s, la SSMI organise chaque ann\u00e9e en automne le ehealthsummit suisse. Elle publie \u00e9galement \u00e0 intervalles r\u00e9guliers des guides sur des th\u00e8mes importants de l’informatique m\u00e9dicale (MENTOR). En septembre 2023, elle a publi\u00e9 un MENTOR sur le th\u00e8me “LLMs dans le quotidien clinique”, qui a servi de base \u00e0 cet article [1]. <\/td><\/tr>
> www.sgmi-ssim.ch<\/a><\/strong><\/td><\/tr><\/tbody><\/table><\/figure>\n\n

Une fois la formation termin\u00e9e, le r\u00e9seau et les connexions pond\u00e9r\u00e9es restent inchang\u00e9s. Les modifications de base du r\u00e9seau ne sont plus possibles dans cet \u00e9tat, mais le comportement de r\u00e9ponse peut toujours \u00eatre r\u00e9gl\u00e9. Par exemple, la longueur de la r\u00e9ponse, le style de langage, la r\u00e9p\u00e9tition des mots et le caract\u00e8re al\u00e9atoire peuvent \u00eatre r\u00e9gl\u00e9s. <\/p>\n\n

Il est maintenant possible d’interagir avec ce r\u00e9seau form\u00e9. Cela se fait souvent par le biais d’un chat sur une page web ou d’une application pour smartphone, mais des connexions techniques directes via des interfaces web sont \u00e9galement possibles (voir le tableau 1 <\/strong>pour des exemples ). <\/strong>La demande (prompt)<\/em> est pr\u00e9par\u00e9e et introduite dans le LLM. Celui-ci g\u00e9n\u00e8re alors une r\u00e9ponse mot par mot (ou plus pr\u00e9cis\u00e9ment : jeton par jeton) de mani\u00e8re it\u00e9rative. Le mot suivant est s\u00e9lectionn\u00e9 dans une liste de mots les plus probables. Cette s\u00e9lection est al\u00e9atoire jusqu’\u00e0 un certain point afin de rendre la g\u00e9n\u00e9ration de texte plus cr\u00e9ative (“humaine”). Le degr\u00e9 d’al\u00e9a peut \u00eatre r\u00e9gl\u00e9 par les fournisseurs de LLM ou influenc\u00e9 par un prompting cibl\u00e9, mais il exclut dans tous les cas une reproductibilit\u00e9 totale de la r\u00e9ponse (notamment parce que chaque requ\u00eate n’est pas trait\u00e9e par la m\u00eame instance des LLM disponibles). <\/p>\n

\n
\"\"<\/a><\/figure>\n<\/div>\n

Pour obtenir les meilleurs r\u00e9sultats possibles, il est important de suivre certaines r\u00e8gles lors de la requ\u00eate et de fournir un contexte aussi pr\u00e9cis que possible. Ce processus – qui consiste \u00e0 g\u00e9n\u00e9rer les requ\u00eates les plus optimales possibles – est appel\u00e9 “prompt engineering<\/em> ” (tableau 2).<\/strong> Selon le type de requ\u00eate, les grands fournisseurs peuvent \u00e9galement utiliser des LLM “sp\u00e9cialis\u00e9s” diff\u00e9rents en arri\u00e8re-plan. La figure 1<\/strong> donne un aper\u00e7u simplifi\u00e9 du fonctionnement d’un LLM. <\/p>\n

\n
\"\"<\/a><\/figure>\n<\/div>
\n
\"\"<\/a><\/figure>\n<\/div>\n

<\/p>\n\n

Avantages et inconv\u00e9nients<\/h3>\n\n

Les LLM modernes parviennent \u00e9tonnamment bien \u00e0 imiter un langage semblable \u00e0 celui des humains. Cette capacit\u00e9 est en principe ind\u00e9pendante du langage d’entr\u00e9e utilis\u00e9, tant que ce langage est disponible en quantit\u00e9 suffisante dans les donn\u00e9es d’apprentissage. <\/p>\n\n

D’un point de vue technique, les LLM les plus r\u00e9cents mettent \u00e0 disposition une grande partie des connaissances libres disponibles sur Internet. Cependant, en raison de son mode de fonctionnement, un LLM ne peut pas d\u00e9velopper ses propres concepts et pens\u00e9es (v\u00e9ritable cr\u00e9ativit\u00e9), mais se contente de recombiner et de restituer les connaissances disponibles dans le corpus de textes. <\/p>\n\n

\n

Remarque : les LLM produisent du langage, pas de la connaissance !<\/p>\n<\/blockquote>\n\n

Cependant, le fonctionnement d\u00e9crit ci-dessus comporte \u00e9galement certains inconv\u00e9nients dont les utilisateurs doivent \u00eatre conscients \u00e0 tout moment. Par exemple, les LLM ont tendance \u00e0 inventer (halluciner) <\/em>des r\u00e9ponses plut\u00f4t que d’admettre leur ignorance. Cela est d\u00fb au fait que dans de tels cas, des mots moins probables sont simplement ajout\u00e9s \u00e0 la r\u00e9ponse, et cela se produit surtout lorsqu’une r\u00e9ponse est bas\u00e9e sur des donn\u00e9es d’apprentissage limit\u00e9es, par exemple pour une maladie rare. Bien que ce risque puisse \u00eatre r\u00e9duit par une bonne configuration des mod\u00e8les, les hallucinations non d\u00e9tect\u00e9es restent un risque majeur dans l’utilisation des LLM. De plus, les LLM peuvent \u00eatre influenc\u00e9s n\u00e9gativement de mani\u00e8re directive par un prompting cibl\u00e9 [2]. <\/p>\n\n

En raison de l’absence de compr\u00e9hension globale et de la s\u00e9lection al\u00e9atoire du jeton suivant, les LLM montrent des difficult\u00e9s \u00e0 g\u00e9rer la logique et les math\u00e9matiques. Cela rend difficile la reproductibilit\u00e9 d’une r\u00e9ponse et donc son utilisation dans la recherche et le contexte m\u00e9dico-l\u00e9gal. <\/p>\n\n

Un autre probl\u00e8me des LLM classiques est l’actualit\u00e9 des donn\u00e9es, car les connaissances du LLM ne sont plus \u00e9tendues une fois sa formation termin\u00e9e. Les LLM modernes offrent la possibilit\u00e9 d’ajouter, lors de la requ\u00eate, un contexte suppl\u00e9mentaire et actuel issu, par exemple, d’une recherche bibliographique (retrieval augmented generation, <\/em>RAG), ce qui permet d’att\u00e9nuer le probl\u00e8me et d’am\u00e9liorer la fiabilit\u00e9 de la r\u00e9ponse. Dans ce contexte, le LLM peut m\u00eame fournir des r\u00e9f\u00e9rences fiables, ce qu’il ne peut pas faire autrement. L’utilisateur doit donc \u00eatre conscient de la variante de LLM avec laquelle il communique. <\/p>\n\n

Enfin, il reste toute une s\u00e9rie d’aspects juridiques, r\u00e9glementaires et \u00e9thiques, comme les questions de protection des donn\u00e9es, de responsabilit\u00e9 et de droits d’auteur, qui ne sont pas encore suffisamment clarifi\u00e9s au sein de la soci\u00e9t\u00e9 et qui laissent planer une grande incertitude sur l’utilisation correcte des LLM, notamment dans le quotidien m\u00e9dical. Il est possible que des syst\u00e8mes autonomes nationaux offrent une solution partielle \u00e0 ce probl\u00e8me (notamment en ce qui concerne la protection des donn\u00e9es et la l\u00e9gislation suisse). Health Info Net AG (HIN) – traditionnellement li\u00e9e \u00e0 la s\u00e9curit\u00e9 de l’\u00e9change de donn\u00e9es du syst\u00e8me de sant\u00e9 suisse – semble avoir conclu un partenariat avec SwissGPT. Il n’est toutefois pas encore possible d’\u00e9valuer la diffusion et l’acceptation sur le march\u00e9. <\/p>\n\n

\n

Remarque : tout ce qui est possible n’est pas forc\u00e9ment autoris\u00e9 !<\/p>\n<\/blockquote>\n\n

Domaines d’application<\/h3>\n\n

Vignette de cas – Partie 2<\/h5>\n\n

Pour plus de s\u00e9curit\u00e9, le jeune coll\u00e8gue encore inexp\u00e9riment\u00e9 consulte un LLM, qui mentionne \u00e9galement la diverticulite comme diagnostic diff\u00e9rentiel le plus probable. Le LLM mentionne \u00e9galement une torsion ou un kyste ovarien ainsi que des calculs r\u00e9naux comme diagnostics diff\u00e9rentiels possibles. L’\u00e9chographie focalis\u00e9e donne des r\u00e9sultats compatibles avec une diverticulite. Il n’y a aucun signe de complication locale. <\/p>\n\n

Le LLM propose une antibioth\u00e9rapie ambulatoire et une coloscopie de contr\u00f4le quelques semaines plus tard. Le confr\u00e8re et la patiente acceptent cette proposition de traitement. La patiente se r\u00e9tablit en quelques jours sous traitement, comme pr\u00e9vu. <\/p>\n

\n
\"\"<\/a><\/figure>\n<\/div>\n

Poser un diagnostic et raisonner en termes de diagnostic<\/em><\/h3>\n\n

Le fait que le Dr ChatGPT, gr\u00e2ce \u00e0 ses vastes connaissances, aide les m\u00e9decins dans le processus de diagnostic et dans les d\u00e9cisions de traitement, semble \u00eatre une possibilit\u00e9 d’application \u00e9vidente.<\/p>\n\n

Apr\u00e8s tout, les LLM modernes r\u00e9ussissent l’examen d’\u00c9tat de m\u00e9decine am\u00e9ricain (USMLE) avec des scores \u00e9lev\u00e9s de plus de 90% avec les LLM les plus r\u00e9cents [3]. Cela n’est pas surprenant, car ces vignettes de cas sont tr\u00e8s structur\u00e9es et fournissent toutes les informations n\u00e9cessaires pour \u00e9tablir un diagnostic ou r\u00e9pondre \u00e0 une question. De plus, il est probable que de nombreuses questions \u00e9taient d\u00e9j\u00e0 pr\u00e9sentes dans les donn\u00e9es de formation des LLM. <\/p>\n\n

La situation devient plus int\u00e9ressante lorsque les LLM doivent trouver eux-m\u00eames des informations sur les patients dans le cadre d’un processus de diagnostic. Dans ce cas, les r\u00e9sultats sont beaucoup moins impressionnants [4]. Cela n’est pas vraiment surprenant non plus, car dans la premi\u00e8re phase d’un diagnostic, de nombreuses informations ne sont pas encore disponibles ou ne sont pas disponibles sous forme num\u00e9rique, alors qu’un LLM a besoin des informations les plus d\u00e9taill\u00e9es possibles pour obtenir les meilleurs r\u00e9sultats. De plus, leur faiblesse fondamentale dans le maniement des chiffres rend difficile l’interpr\u00e9tation des signes vitaux et des r\u00e9sultats de laboratoire. <\/p>\n\n

De par son fonctionnement, un LLM est aujourd’hui principalement un moyen d’identifier, \u00e0 partir d’un ensemble d’informations fournies, des sch\u00e9mas possibles qui restent \u00e9ventuellement encore cach\u00e9s au m\u00e9decin, c’est-\u00e0-dire principalement pour le diagnostic diff\u00e9rentiel. <\/p>\n\n

L’utilisation \u00e0 grande \u00e9chelle dans la pratique clinique quotidienne pour l’aide \u00e0 la d\u00e9cision est en outre limit\u00e9e par les exigences en vigueur en mati\u00e8re de responsabilit\u00e9, de protection des donn\u00e9es et de certification en tant que produit m\u00e9dical.<\/p>\n\n

Recommandations de traitement et recherche documentaire<\/h3>\n\n

\u00c9tant donn\u00e9 que la plupart des directives de traitement sont disponibles en ligne, il n’est pas surprenant que les LLM puissent \u00e9galement \u00e9mettre des recommandations de traitement conformes aux directives. Le principal probl\u00e8me est la limitation temporelle des donn\u00e9es de formation. Les lignes directrices et les r\u00e9sultats d’\u00e9tudes les plus r\u00e9cents ne sont souvent pas entra\u00een\u00e9s dans le LLM. Dans l’exemple concret, il manque manifestement la nouvelle option de traitement “watch & wait” en cas de diverticulite non compliqu\u00e9e et d’absence de facteurs de risque [5]. Dans ce cas, l’avantage de l’actualit\u00e9 r\u00e9side toujours dans les ouvrages de r\u00e9f\u00e9rence et les bases de donn\u00e9es bibliographiques de grande qualit\u00e9, g\u00e9r\u00e9s par la r\u00e9daction. <\/p>\n\n

L’impossibilit\u00e9 pour les LLM classiques de citer pr\u00e9cis\u00e9ment leurs sources est un autre facteur aggravant. Il sera toujours difficile de savoir \u00e0 quelles versions de lignes directrices le LLM se r\u00e9f\u00e8re et s’il n’a pas m\u00e9lang\u00e9 diff\u00e9rentes lignes directrices. Dans ce cas, les RAGs mentionn\u00e9s pr\u00e9c\u00e9demment peuvent fournir des r\u00e9sultats beaucoup plus fiables. Si elles sont utilis\u00e9es par exemple pour la recherche dans Pubmed, la pertinence des r\u00e9sultats de recherche peut \u00eatre consid\u00e9rablement am\u00e9lior\u00e9e [6]. Un autre avantage de cette m\u00e9thode est que les \u00e9tudes trouv\u00e9es peuvent \u00e9galement \u00eatre fournies au LLM en tant que contexte et que toutes ses fonctionnalit\u00e9s telles que le r\u00e9sum\u00e9, la traduction et l’analyse peuvent alors \u00eatre utilis\u00e9es dans le travail original. <\/p>\n\n

Les LLM modernes offrent la possibilit\u00e9 de fournir manuellement un contexte suppl\u00e9mentaire lors de la requ\u00eate. Par exemple, une \u00e9tude trouv\u00e9e peut \u00eatre jointe et ainsi rapidement r\u00e9sum\u00e9e et analys\u00e9e. Il convient toutefois de noter qu’il existe une limite \u00e0 la “taille” d’une requ\u00eate, en particulier pour les variantes gratuites des LLM. Il convient donc de v\u00e9rifier la taille r\u00e9elle de la saisie ou du contexte (context limit)<\/em>. En outre, ces r\u00e9sum\u00e9s ne sont pas exempts d’hallucinations. <\/p>\n\n

Vignette de cas – Partie 3<\/h5>\n\n

Malheureusement, la coloscopie de contr\u00f4le effectu\u00e9e quelques semaines plus tard r\u00e9v\u00e8le un diagnostic d’ad\u00e9nocarcinome du c\u00f4lon sigmo\u00efde sans signe d’imagerie de m\u00e9tastases locales ou \u00e0 distance (stade I de l’UICC). <\/p>\n\n

Le confr\u00e8re du cabinet m\u00e9dical n’est pas s\u00fbr de la meilleure fa\u00e7on d’annoncer \u00e0 la jeune m\u00e8re le r\u00e9sultat peu rassurant de l’examen. Il utilise un LLM pour se pr\u00e9parer \u00e0 cet entretien difficile. <\/p>\n\n

Pendant l’entretien, il utilise un LLM pour pr\u00e9senter \u00e0 la patiente les faits m\u00e9dicaux de mani\u00e8re simple et dans sa langue maternelle portugaise. De m\u00eame, \u00e0 la demande de la patiente, il fait traduire son rapport m\u00e9dical succinct en portugais par un LLM. <\/p>\n\n

Conduite d’entretiens<\/h3>\n\n

A premi\u00e8re vue, il semble contraire \u00e0 toute intuition de demander conseil \u00e0 une machine dans ce que l’on consid\u00e8re comme la “discipline de pr\u00e9dilection” de l’homme, la communication. Mais comme la fonction principale des LLM est d’imiter le meilleur langage humain possible, cette approche ne semble plus si absurde \u00e0 premi\u00e8re vue. En cons\u00e9quence, certaines \u00e9tudes ont d\u00e9j\u00e0 montr\u00e9 que les LLM modernes sont capables de fournir des r\u00e9ponses contenant des \u00e9l\u00e9ments d'”empathie”, qui sont ensuite interpr\u00e9t\u00e9s comme “empathiques” par l’interlocuteur humain [7]. Avec le prompting correspondant, il est possible d’exp\u00e9rimenter diff\u00e9rentes techniques de conduite d’entretien et de variantes d’entretien, ce qui peut donner une s\u00e9curit\u00e9 suppl\u00e9mentaire aux m\u00e9decins inexp\u00e9riment\u00e9s. Bien entendu, cela ne dispense pas le m\u00e9decin d’une communication empathique et directe avec la patiente. <\/p>\n\n

\u00c9ducation des patients <\/h3>\n\n

Les LLM, lorsqu’ils sont bien form\u00e9s, sont tr\u00e8s efficaces pour pr\u00e9senter des contenus m\u00e9dicaux sp\u00e9cialis\u00e9s dans un langage simple et compr\u00e9hensible. Il est donc tout \u00e0 fait possible d’essayer d’utiliser des outils bas\u00e9s sur les LLM dans l’\u00e9ducation des patients. Il est toutefois important que le patient continue \u00e0 \u00eatre \u00e9troitement accompagn\u00e9 par son m\u00e9decin. Le devoir d’information du m\u00e9decin ne peut pas \u00eatre d\u00e9l\u00e9gu\u00e9 \u00e0 un LLM. <\/p>\n\n

Traduction<\/h3>\n\n

Les LLM peuvent tr\u00e8s bien traduire entre diff\u00e9rentes langues. Cela fonctionne non seulement avec les langues naturelles, mais aussi avec des constructions linguistiques artificielles comme les langages de programmation. Les LLM qui ont \u00e9t\u00e9 sp\u00e9cifiquement form\u00e9s \u00e0 la traduction (par exemple deepl.com<\/a>) sont probablement plus pr\u00e9cis que les g\u00e9n\u00e9ralistes (par exemple ChatGPT), bien que ces derniers donnent des r\u00e9sultats impressionnants, en particulier dans les versions les plus r\u00e9centes. En ce qui concerne l’aptitude sp\u00e9cifique \u00e0 la traduction m\u00e9dicale, il s’av\u00e8re que les LLMs de petite taille, mais sp\u00e9cifiquement entra\u00een\u00e9s \u00e0 cette t\u00e2che, restent pour l’instant sup\u00e9rieurs aux grands mod\u00e8les [8]. La traduction fonctionne beaucoup moins bien si la langue souhait\u00e9e n’est pas souvent pr\u00e9sente dans les donn\u00e9es d’apprentissage. <\/p>\n\n

Dans l’ensemble, l’application est actuellement limit\u00e9e dans le domaine m\u00e9dical pour deux raisons : D’une part, les documents originaux ne peuvent pas \u00eatre t\u00e9l\u00e9charg\u00e9s et traduits en entier pour des raisons de protection des donn\u00e9es, et d’autre part, le m\u00e9decin traducteur reste responsable de l’exactitude du contenu, de sorte que les rapports critiques n\u00e9cessitent toujours une traduction professionnelle. Si des LLM sont utilis\u00e9s, il est recommand\u00e9 de ne traduire que dans des langues pour lesquelles on peut au moins v\u00e9rifier la plausibilit\u00e9 des traductions elles-m\u00eames. <\/p>\n\n

Vignette de cas – Partie 4<\/h5>\n\n

L’h\u00e9micolectomie gauche programm\u00e9e est r\u00e9alis\u00e9e sans complication. La tumeur primaire peut \u00eatre enti\u00e8rement retir\u00e9e et les ganglions lymphatiques m\u00e9sent\u00e9riques pr\u00e9lev\u00e9s se r\u00e9v\u00e8lent exempts de tumeur. La patiente se remet facilement de l’intervention en postop\u00e9ratoire et peut rentrer chez elle peu de temps apr\u00e8s. Lors du suivi oncologique, elle ne pr\u00e9sente aucune tumeur. <\/p>\n\n

Le chirurgien visc\u00e9ral qui op\u00e8re utilise un LLM pour r\u00e9diger les notes de l’entretien d’entr\u00e9e ainsi que les rapports d’op\u00e9ration et de sortie. Enfin, l’administration de l’h\u00f4pital qui r\u00e9alise l’intervention utilise un LLM pour effectuer un pr\u00e9-codage du cas selon Swiss-DRG \u00e0 partir de la documentation disponible dans le syst\u00e8me d’information clinique (SIC). <\/p>\n\n

Rapports<\/h3>\n\n

La g\u00e9n\u00e9ration de nouveau texte est une discipline cl\u00e9 des LLM modernes. Celle-ci est g\u00e9n\u00e9ralement r\u00e9ussie avec une tr\u00e8s bonne qualit\u00e9 s\u00e9mantique. La qualit\u00e9 du contenu, en revanche, d\u00e9pend fortement du contexte disponible. Plus le LLM dispose de d\u00e9tails, plus le texte g\u00e9n\u00e9r\u00e9 sera pr\u00e9cis. Dans la pratique clinique quotidienne, les rapports standardis\u00e9s sont donc les plus adapt\u00e9s \u00e0 la g\u00e9n\u00e9ration automatique, par exemple les op\u00e9rations et interventions standard ou les demandes de garantie de paiement. Les rapports plus complexes avec un contexte clinique important sont beaucoup moins efficaces. Pour cela, la g\u00e9n\u00e9ration devrait se faire directement \u00e0 partir du syst\u00e8me d’information de la clinique ou du cabinet m\u00e9dical et avoir acc\u00e8s \u00e0 l’ensemble du contexte de traitement, ce qui – \u00e0 l’heure actuelle – est encore insuffisant. <\/p>\n\n

Lorsque des rapports sont g\u00e9n\u00e9r\u00e9s avec des LLM, il incombe au m\u00e9decin saisissant de v\u00e9rifier la plausibilit\u00e9 du contenu g\u00e9n\u00e9r\u00e9 et de le valider. Cela ne doit pas \u00eatre sous-estim\u00e9, car les erreurs de contenu sont souvent plus difficiles \u00e0 d\u00e9tecter en raison de la bonne qualit\u00e9 s\u00e9mantique. La protection des donn\u00e9es doit \u00e9galement \u00eatre garantie \u00e0 tout moment, en particulier lorsque des dossiers m\u00e9dicaux complets sont transmis au LLM en tant que contexte. <\/p>\n\n

Notes de conversation<\/h3>\n\n

De plus en plus de produits arrivent sur le march\u00e9 qui enregistrent via des microphones (par exemple de smartphones) la conversation avec les patients – m\u00eame en dialecte ( !) – et la transcrivent en langage \u00e9crit \u00e0 l’aide d’un LLM et, si n\u00e9cessaire, la structurent et la r\u00e9sument pour le dossier m\u00e9dical. Ici aussi, les m\u00eames pr\u00e9cautions et normes s’appliquent en mati\u00e8re d’hallucinations et de cadre m\u00e9dico-l\u00e9gal, et doivent \u00eatre exig\u00e9es des fabricants de logiciels. En outre, de nombreuses questions relatives \u00e0 la revendication de ces fichiers audio sur le plan juridique n’ont pas encore \u00e9t\u00e9 r\u00e9solues. Dans tous les cas, toutes les parties concern\u00e9es doivent \u00eatre d’accord avec les enregistrements. <\/p>\n\n

Codage\/classification<\/h3>\n\n

La reconnaissance de mod\u00e8les, m\u00eame dans des donn\u00e9es non structur\u00e9es, est une capacit\u00e9 importante des LLM. En cons\u00e9quence, l’id\u00e9e que les LLM pourraient extraire des informations structur\u00e9es des nombreuses donn\u00e9es de texte libre non structur\u00e9es qui sont g\u00e9n\u00e9r\u00e9es quotidiennement dans la documentation clinique et rendre ainsi le traitement de ces donn\u00e9es accessible, par exemple pour la facturation ou les statistiques, est tr\u00e8s prometteuse. Cela est possible, mais le LLM doit \u00eatre form\u00e9 sp\u00e9cifiquement \u00e0 cette fin. Les LLM “g\u00e9n\u00e9ralistes” habituels ne parviennent pas \u00e0 coder\/classer de mani\u00e8re fiable. Souvent, les diff\u00e9rents catalogues et codes sont m\u00e9lang\u00e9s ou les codes sont tout simplement invent\u00e9s (hallucin\u00e9s).<\/em> <\/p>\n\n

Ce n’est qu’une question de temps avant que les LLM sp\u00e9cialis\u00e9s ne soient int\u00e9gr\u00e9s dans les logiciels de codage. Mais m\u00eame dans ce cas, les r\u00e9sultats devront toujours \u00eatre valid\u00e9s par des codeurs humains, d’autant plus que les r\u00e8gles pures (par ex. SwissDRG) ne sont pas disponibles sous forme structur\u00e9e, ce qui serait g\u00e9n\u00e9ralement tr\u00e8s souhaitable. <\/p>\n\n

R\u00e9sum\u00e9<\/h3>\n\n

Comme toute innovation technologique, l’utilisation des LLM dans le quotidien de l’h\u00f4pital pr\u00e9sente \u00e0 la fois des opportunit\u00e9s et des risques. Ni une confiance aveugle, ni un rejet strict ne peuvent mener au but. Nous recommandons de se familiariser avec la nouvelle technologie et de limiter initialement son utilisation \u00e0 une t\u00e2che simple dans un domaine o\u00f9 l’expertise personnelle est \u00e9lev\u00e9e. Cela permet de se faire rapidement une bonne id\u00e9e des possibilit\u00e9s et des limites des LLM et d’\u00e9tendre progressivement leur utilisation. Avant toute utilisation dans un contexte m\u00e9dical, il est toutefois imp\u00e9ratif de toujours tenir compte des r\u00e9glementations administratives, juridiques et \u00e9thiques en vigueur. <\/p>\n\n

Dans l’ensemble, les nouvelles technologies et les nouvelles th\u00e9rapies font partie du quotidien des m\u00e9decins. Nous avons appris \u00e0 les aborder avec une saine dose de scepticisme et \u00e0 ne pas simplement les utiliser sur nos patients sans esprit critique. Ces principes scientifiques d’efficacit\u00e9 et d’ad\u00e9quation doivent \u00e9galement s’appliquer \u00e0 l’utilisation des LLM dans le quotidien clinique et nous devons les exiger des fournisseurs de ces outils, d’autant plus que les probl\u00e8mes les plus fondamentaux des LLM – les hallucinations et la reproductibilit\u00e9 – ne sont pas encore r\u00e9solus et le resteront peut-\u00eatre. C’est dans ce contexte qu’il faudra \u00e9galement mener la discussion pour savoir si – comme cela se produit d\u00e9j\u00e0 nolens volens<\/em> avec les syst\u00e8mes de reconnaissance vocale purs – des sacrifices qualitatifs doivent \u00eatre accept\u00e9s comme in\u00e9vitables. <\/p>\n\n

C’est dans ces conditions que nous pourrons, au cours des prochains mois et des prochaines ann\u00e9es, utiliser cette nouvelle technologie dans le quotidien de l’h\u00f4pital, ce qui sera b\u00e9n\u00e9fique pour nous et nos patients.<\/p>\n\n

Messages Take-Home<\/strong><\/p>\n\n