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
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 -
Une feuille de route pour atténuer les biais de l'IA
Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...
20/05/2025 -
Essais sur une RAG pour améliorer les grands modèles de langages en radiologie
Pour renforcer les attributs des grands modèles de langage appliqués à la radiologie, la RAG, qui code les informations dans un espace vectoriel pour affiner les tâches des LLM basées sur la connaissance, semble pertinente. Dans une étude publiée dans la Revue Radiology : Artificial intelligence, de...
05/05/2025 -
Le lexique radiologique standardisé RadLex fête ses vingt ans
RadLex, un lexique radiologique complet développé par la Radiological Society of North America (RSNA) destiné à proposer un langage commun pour communiquer les résultats diagnostiques par les radiologues, célèbre son 20e anniversaire en 2025.
22/04/2025 -
La TDM ultra low dose, prochaine norme pour le suivi des jeunes immunodéprimés ?
La tomodensitométrie à ultra-faible dose débruitée par l’IA permet, en appliquant seulement 2% de la dose normale, de diagnostiquer efficacement la pneumonie chez les patients immunodéprimés. C’est le résultat d’une étude publiée dans la Revue Radiology et qui pourrait ouvrir la voie vers de nouvel...
14/03/2025 -
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.