L'IA révèle des données cachées dans les notes médicales

Une équipe de recherche menée par RespondHealth, en collaboration avec plusieurs universités américaines dont Drexel et Stanford, a publié dans Nature Medicine les résultats d’un système d’intelligence artificielle capable de lire et d’analyser à grande échelle les notes cliniques rédigées par les médecins. Contrairement aux bases de données structurées et aux codes de facturation, la majorité des informations médicales importantes sont consignées sous forme narrative dans le dossier patient. Le système développe un niveau de précision de 99,4 % sur un indicateur combinant exactitude et exhaustivité, validé par des médecins certifiés. Pour comparaison, l’accord entre experts humains n’atteignait que 94,7 % sur les mêmes données. Le temps de traitement est également révolutionnaire : l’IA analyse chaque dossier en quelques secondes, là où cinq médecins auraient nécessité environ soixante-dix heures pour examiner un échantillon similaire. Chaque information extraite reste systématiquement rattachée à la phrase source du compte rendu, permettant une vérification clinique directe. Pour démontrer son utilité, l’équipe a appliqué cette technologie à l’analyse des agonistes du récepteur du GLP-1, une classe de médicaments utilisée pour le diabète et la perte de poids, en suivant plus de seize mille patients en soins ambulatoires. Les résultats révèlent des tendances observables uniquement dans la réalité clinique, hors des essais contrôlés. Les patients présentant une glycémie normale au départ ont perdu du poids plus rapidement et davantage que ceux dont le diabète était mal contrôlé. À l’inverse, les personnes aux premiers glycémiques les plus élevées ont enregistré les meilleures améliorations. L’étude note également que les femmes et les adultes de vingt à trente-neuf ans ont perdu plus de poids en douze mois. Plus largement, le système a permis d’extraire des données souvent absentes des codifications médicales, comme les scores de dépression et d’intensité de la douleur, qui ont diminué significativement chez les patients les plus affectés. Sur l’ensemble de la population étudiée, soixante-dix pour cent des valeurs de glycémie utilisées provenaient uniquement des notes manuscrites, et un tiers des preuves d’observance thérapeutique était inédit dans les champs structurés. Selon les chercheurs, cette approche dépasse le cadre du diabète et s’applique à la plupart des spécialités médicales. Elle transforme les données cliniques narratives en informations exploitables, traçables et vérifiables, tout en soulignant que l’intelligence artificielle complète l’expertise humaine plutôt qu’elle ne la remplace.