Des chercheurs testent un grand modèle linguistique qui préserve la confidentialité des données
Des chercheurs du National Institutes of Health Clinical Center (NIH CC) ont testé un grand modèle linguistique autre que ChatGPT pour assurer la confidentialité des données patients. Dans un article publié dans la Revue Radiology, des modèles gratuits de deep learning peuvent être formés pour comprendre et générer du texte à la manière d'un humain National Institutes of Health Clinical Center (NIH CC)tout en conservant la confidentialité.
Les grands modèles linguistiques façonnés par l’intelligence artificielle (IA) (Large Language Model -LLM), comme ChatGPT ou GPT-4, suscitent l’intérêt de nombreux secteurs d’activité. La Santé en général, et l’imagerie médicale en particulier, sont sur le qui-vive devant cet afflux d’applications sensées apporter du confort aux professionnels et aux patients. Mais ces dernières sont-elles compatibles avec les données de santé, qui sont entourées de gardes fous pour en assurer la confidentialité ?
Les grands modèles linguistiques peu enclins à préserver la confidentialité des patients
« ChatGPT et GPT-4 sont des modèles propriétaires qui nécessitent que l'utilisateur envoie des données aux sources OpenAI pour traitement, ce qui nécessiterait la désidentification des données des patients, précise l'auteur principal d’une étude sur le sujet publiée dans la Revue Radiology, le Pr Ronald M. Summers, chercheur principal dans le Département des sciences de radiologie et d’imagerie du National Institutes of Health Clinical Center (NIH CC) à Bethesda (DC – USA). La suppression de toutes les informations sur la santé des patients demande beaucoup de travail et est irréalisable pour de grands ensembles de données. »
Cet article est réservé aux abonnés. Connectez-vous pour y accéder.
En vous abonnant à Thema Radiologie, vous débloquez l’accès à l’ensemble de nos contenus premium : dossiers thématiques, tribunes d’experts, analyses technologiques, interviews et décryptages réglementaires.
Rejoignez une communauté de professionnels engagés dans l’innovation en imagerie médicale et radiologie interventionnelle.
SUR LE MÊME THÈME
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic
Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.
29/07/2025 -
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...
21/07/2025 -
Un nouvel outil d'extraction de données spécialisé en radiologie
Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...
15/07/2025 -
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...
23/06/2025 -
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...
13/06/2025 -
Des LLM affinés pour aider à la relecture des comptes rendus
Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.
23/05/2025 -
Agir sur la vulnérabilité des grands modèles de langage en radiologie
Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...
21/05/2025 -
LETTRE D'INFORMATION
Ne manquez aucune actualité en imagerie médicale et radiologie !
Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.