L’IA extrait les événements cardiaques des dossiers en quelques secondes

Des médecins, des internes et des étudiants ont consacré environ deux heures à l’examen de chaque dossier médical électronique (DME) dans le cadre d’une étude de l’Université Thomas Jefferson. Un grand modèle de langage (LLM) — un système d’intelligence artificielle utilisé ici pour lire des textes médicaux — réalisait la même tâche d’extraction en 20 à 42 secondes ; la comparaison portait sur 411 patients atteints d’un cancer du sein ou du poumon.

La cible était la cardiotoxicité, c’est-à-dire les lésions cardiaques causées par un traitement contre le cancer. Les patients atteints d’un cancer du sein ou du poumon présentent un risque accru, car le cœur, les poumons et les seins sont proches les uns des autres. Ces lésions peuvent augmenter le risque d’infarctus, d’insuffisance cardiaque et d’autres affections cardiaques, mais trouver des éléments probants dans les dossiers des patients peut nécessiter la lecture de centaines de fichiers.

Le cadre ne se contentait pas de rechercher un mot. Ses invites repéraient les mots-clés pertinents tout en vérifiant l’absence de faux positifs : une note indiquant qu’un patient niait souffrir d’une maladie — ou qu’un infarctus avait été « écarté » — n’était donc pas comptabilisée comme un événement cardiaque. Cette distinction est importante dans les dossiers médicaux, où les résultats négatifs peuvent être formulés de nombreuses manières.

Les chercheurs ont utilisé des grands modèles de langage open source et rapporté que le cadre trouvait les données relatives à des événements cardiaques dans 71 % à 85,5 % des cas. Lors du dépistage initial, DeepSeek-R1-70b, Llama-3.3 et Mistral-Large ont présenté le meilleur équilibre entre précision diagnostique et respect du format ; les trois modèles sont donc passés aux cohortes de validation.

Concrètement, pour les équipes de recherche en oncologie, le système pourrait transformer le premier examen, lent, des dossiers de patients en une méthode bien plus rapide pour constituer des données sur la cardiotoxicité. Pour les patients, l’étape espérée consiste à identifier ceux qui sont les plus susceptibles de développer des complications cardiaques et à utiliser ces informations pour orienter la radiothérapie, afin de réduire potentiellement les effets secondaires. L’article présente cet objectif comme une perspective, et non comme un service clinique disponible : des améliorations restent nécessaires et les travaux rapportés ne montrent pas d’amélioration des résultats pour les patients.