En s’inspirant des méthodes utilisées en recherche de marché, des experts de l’UC San Francisco étudient la capacité de l’intelligence artificielle (IA) à améliorer le diagnostic d’une affection hépatique complexe en analysant les notes rédigées par plusieurs professionnels de santé. Une étude récente, publiée dans Gastro Hep Advances, se concentre sur le syndrome hépatorenal (HRS), une complication grave liée à la maladie du foie, souvent difficile à diagnostiquer pendant un séjour hospitalier. Les chercheurs ont voulu savoir si les grands modèles linguistiques pouvaient extraire des informations pertinentes à partir des notes cliniques de divers médecins et autres membres de l’équipe soignante afin d’améliorer la précision du diagnostic et d’optimiser la prise en charge des patients. « L’idée s’inspire de la technique d’analyse de sentiment utilisée pour traiter les avis sur les plateformes de vente en ligne, où l’IA synthétise les opinions collectives », explique Jin Ge, médecin, docteur en médecine et MBA, professeur adjoint de médecine à UCSF et gastro-entérologue, auteur principal de l’étude. « Nous avons appliqué cette approche pour déterminer si l’« opinion collective » extraite des notes cliniques pouvait prédire un diagnostic de syndrome hépatorenal. » L’étude a comparé les méthodes traditionnelles de diagnostic, basées sur des données cliniques comme les résultats biologiques, à un modèle renforcé par l’IA, qui intègre des scores d’analyse de sentiment extraits des notes. L’ajout de ces scores générés par l’IA a considérablement amélioré la capacité du modèle à prédire avec précision le diagnostic de HRS au moment de la sortie du patient. Cette technologie pourrait offrir une clarté précieuse dans les situations où les avis des professionnels de santé sont en désaccord, en fournissant un résumé unifié des consensus de l’équipe soignante, utile aussi bien pour les cliniciens que pour les patients. Bien que cette approche reste à l’étape de la recherche, elle pourrait transformer la prise de décision en milieu hospitalier et améliorer les résultats pour les patients. « L’application de la “sagesse de la foule” ne se contente pas de prédire des issues, elle donne une indication directionnelle sur ce que l’équipe médicale pense collectivement de l’état d’un patient », souligne Jin Ge. « Dans les cas où les opinions sont divergentes ou où il y a de l’incertitude, les synthèses générées par l’IA pourraient aider à aligner les décisions thérapeutiques et accélérer la mise en œuvre des traitements. » L’étude n’a pas encore été intégrée à la pratique clinique courante, mais elle ouvre la voie à des essais futurs. Les chercheurs souhaitent maintenant évaluer l’impact réel de ces informations sur les décisions médicales et la qualité des soins dans des contextes réels. Plus d’informations : Mason Lai et al, Clinical Sentiment Analysis by Large Language Models Enhances Prediction of Hepatorenal Syndrome, Gastro Hep Advances (2025). DOI : 10.1016/j.gastha.2025.100797