Modèles de langage avancés rivalisent avec les médecins expérimentés pour prédire les résultats du traitement du cancer du foie

Les grands modèles de langages montrent un potentiel prometteur dans la prédiction des résultats du traitement du cancer du foie Une équipe de recherche dirigée par le professeur Li Hai des Instituts de Sciences Physiques de Hefei, relevant de l'Académie des Sciences de Chine, a réalisé une breakthrough en explorant systématiquement comment les grands modèles de langages (LLMs) peuvent aider à prédire les réponses aux traitements du cancer du foie. Cette étude, publiée dans le Journal of Medical Systems, ouvre une nouvelle voie vers une médecine personnalisée pilotée par l'intelligence artificielle (IA). Le carcinome hepatocellulaire (CHC), un des cancers les plus courants et mortels dans le monde, représente un défi majeur en oncologie. Pour les patients atteints d'un CHC avancé, les thérapies combinées, comme les inhibiteurs de points de contrôle immunitaire et les traitements ciblés, offrent une lueur d'espoir, mais seuls environ 30% des patients répondent efficacement. La prédiction précise de la réponse au traitement est donc un besoin critique non satisfait dans l'oncologie personnalisée. Dans cette étude, les chercheurs ont évalué les performances des principaux LLMs—GPT-4, GPT-4o, Google Gemini, et DeepSeek—dans la prédiction des résultats de traitement à l'aide de l'apprentissage par tâche zéro (zero-shot learning). Cela signifie que les modèles n'ont pas été spécifiquement formés sur les données de CHC avant l'évaluation. Le jeu de données comprenait des informations cliniques et d'imagerie de 186 patients atteints de CHC inopérables. Pour améliorer les performances, les chercheurs ont testé diverses stratégies de prise de décision, telles que des règles de vote et des combinaisons logiques, et ont créé un modèle hybride nommé Gemini-GPT. Ce modèle a montré une précision prédictive égale à celle des médecins expérimentés ayant plus de 15 ans de pratique, tout en surpassant les cliniciens juniors et intermédiaires tant en termes de vitesse que de précision. Il a produit des résultats stables et fiables pour différents types de traitements et de stades de la maladie, et s'est avéré particulièrement efficace pour identifier les patients susceptibles de bénéficier du traitement, souvent avec plus de constance que les médecins humains. L'application de stratégies logiques simples a encore amélioré l'utilité pratique du modèle dans les environnements cliniques. "Ce travail montre comment l'IA peut aider les médecins à prendre de meilleures décisions et à proposer des traitements plus personnalisés aux patients atteints de cancer," a déclaré le professeur Li Hai. Cette étude marque une étape importante vers une intégration d'IA fiable dans la pratique réelle de l'oncologie, démontrant que les LLMs peuvent faire bien plus que générer du langage—ils peuvent raisonner, prédire et soutenir des décisions médicales cruciales. Évaluation et impact de l'étude Les professionnels de l'industrie saluent cette étude comme un tournant majeur dans la prédiction des réponses aux traitements oncologiques. Selon Dr Wang Tengfei, co-auteur de l'article, l'utilisation des LLMs en oncologie pourrait non seulement améliorer la précision des pronostics, mais aussi rationaliser les processus de décapsidation et d'interprétation des données médicales. Cela permettrait ainsi une allocation plus efficace des ressources et une meilleure gestion du parcours de soins des patients. L'Académie des Sciences de Chine, connue pour ses contributions significatives en recherche scientifique et technologique, a apporté son soutien à ce projet, soulignant l'importance de la collaboration entre le secteur médical et celui de l'IA. Les Instituts de Sciences Physiques de Hefei ont une histoire de réussites notables dans le développement d'outils IA innovants, faisant de cette étude une addition précieuse à leur portfolio.