Impact de l’intelligence artificielle sur l’évolution des pratiques cliniques en oncologie : focus sur les modèles de langue

Abstract

L’intelligence artificielle tend à jouer un rôle croissant dans la prise en charge des patients en oncologie. Elle a le potentiel de transformer profondément les pratiques médicales telles qu’on les connaît aujourd’hui. Elle promet d’améliorer le diagnostic précoce grâce à l’analyse de grandes quantités de données médicales, d’affiner les plans de traitements personnalisés et d’optimiser le suivi des patients. L’intelligence artificielle facilite également l’identification de nouveaux biomarqueurs et la prédiction des réponses aux thérapies, réduisant les marges d’erreur et accélérant les décisions cliniques. Parmi les types d’intelligence artificielle les plus plébiscités pour révolutionner la pratique clinique, les modèles de langue ont le vent en poupe. Dans un monde parfait, l’intégration de l’intelligence artificielle favoriserait des soins plus précis, personnalisés et efficaces, tout en soulageant les cliniciens de certaines tâches fastidieuses ou répétitives, leur permettant de se concentrer davantage sur l’accompagnement humain des patients, et cela avec un faible surcoût énergétique. Toutefois, le déploiement à grande échelle des intelligences artificielles soulève actuellement des questions fondamentales quant à l’équité, la sécurité d’utilisation et la manière d’évaluer en longitudinal des résultats obtenus à partir d’une intelligence artificielle. Cet article explore comment les applications sont évaluées pour notre pratique ( spoiler alert : elles sont actuellement limitées), les bénéfices cliniques potentiels et les défis rencontrés actuellement lorsque l’on est face à l’intégration de l’intelligence artificielle dans les soins courants oncologiques, avec un focus sur les modèles de langue dont le développement explose depuis 2021. Artificial intelligence (AI) is addressing many expectations for healthcare practitioners and patients in oncology. It has the potential to deeply transform medical practices as we know them today: improving early diagnosis by analysing large quantities of medical data, refining personalised treatment plans and optimising patient follow-up. AI also makes it easier to identify new biomarkers and predict responses to therapies, reducing margins of error and speeding up clinical decisions. Among the most popular types of AI to revolutionise clinical practice are language models. In a perfect world, the integration of AI would promote more precise, personalised and efficient care, while relieving healthcare providers of tedious or repetitive tasks, allowing them to concentrate more on providing human support to patients, and all this with a low energy consumption. However, the large-scale deployment of AI currently raises fundamental questions about fairness, safety of use and how to assess the results obtained from AI longitudinally. This article explores how the many applications are evaluated for our practice ( spoiler alert: they are currently limited ), potential clinical benefits and challenges currently encountered when dealing with the integration of AI into routine oncology care. We will focus on language models whose development has been exploding since 2021.

Ähnliche Arbeiten