Des scientifiques ont cherché à savoir si l’utilisation d’outils d’intelligence artificielle (IA) générative, tels que ChatGPT, pouvaient aider les médecins à offrir des traitements personnalisés à des patients atteints de cancer. En effet, ce type d’adaptation requiert l’analyse et l’interprétation d’une grande quantité de données [1], et met en jeu différentes spécialités médicales.
Pour ce faire, ils ont évalué la capacité de l’outil à « scanner » automatiquement la littérature scientifique afin d’identifier le meilleur traitement personnalisé. « Nous avons incité les modèles à identifier des options de traitement personnalisé pour des patients atteints de cancers fictifs, puis nous avons comparé les résultats avec les recommandations des experts »[2], explique le Dr Damian Rieke, co-auteur de l’étude parue dans la revue JAMA Network Open [3]. Sa conclusion est sans appel : les modèles étaient loin des compétences des « experts humains ».
Le Dr Manuela Benary note toutefois que « certaines options de traitement identifiées par IA était étonnamment bonnes dans des cas isolés ». Mais elle soulève les questions de protection des données, de vie privée et de reproductibilité inhérentes à ce type d’approche mettant en œuvre une IA.
De son côté, le Dr Rieke veut rester optimiste quant au potentiel de l’usage de l’intelligence artificielle en médecine. « La performance des modèles s’améliore à mesure qu’ils avancent », pointe-t-il. A l’avenir, l’intelligence artificielle pourrait apporter une aide aux processus de diagnostic et de traitement, même les plus complexes, estime le médecin, « à condition que ce soient des êtres humains qui vérifient les résultats générés par l’IA et qui aient le dernier mot quant au traitement à administrer ».
[1] Biologiques, génétiques
[2] L’équipe a créé dix « profils moléculaires » de tumeurs de patients fictifs pour l’expérience. Un médecin spécialiste et quatre modèles ont ensuite été chargés d’identifier une option de traitement. Leurs conclusions ont été présentées aux membres d’un comité pluridisciplinaire pour évaluation, sans qu’ils sachent d’où venait quelle recommandation.
[3] Manuela Benary et al, Leveraging Large Language Models for Decision Support in Personalized Oncology, JAMA Network Open (2023). DOI: 10.1001/jamanetworkopen.2023.43689
Source : Medical Xpress, Charité—Universitätsmedizin Berlin (20/11/2023) – Photo : iStock