Des LLM affinés pour aider à la relecture des comptes rendus

Les comptes rendus de radiologie peuvent être compromis par des facteurs tels que les erreurs des logiciels de reconnaissance vocale, la variabilité des processus perceptifs et interprétatifs, et les biais cognitifs. Ces erreurs peuvent entraîner des diagnostics erronés ou des retards de traitement, d'où l'urgence de disposer de comptes rendus de qualité.

Les LLM affinés sont-ils pertinents pour aider les radiologues dans la relecture des comptes rendus ?

Les LLM comme ChatGPT, qui offrent un potentiel important en relecture, renforcent à ce titre leur pertinence dans le domaine médical, notamment pour la détection des erreurs dans les comptes rendus de radiologie, mais ils restent sous-explorés.

Pour combler ce manque de connaissances, des chercheurs américains ont évalué des LLM affinés - pré-entraînés puis entraînés sur des données spécifiques à un domaine - pour détecter les erreurs dans les comptes rendus de radiologie lors de la relecture médicale.  Ils ont consigné leur travail dans un article publié dans la Revue Radiology.