LLM détecte les risques cardiaques des patients cancéreux

Des chercheurs de l'université Thomas Jefferson ont développé un système basé sur des modèles de langage de grande taille pour extraire automatiquement les données relatives aux événements cardiaques dans les dossiers médicaux électroniques de patients atteints de cancer du sein ou du poumon. Ces patients présentent un risque accru de cardiotoxicité, un effet secondaire grave des traitements onologiques, en raison de la proximité anatomique entre les zones irradiées et le système cardiovasculaire. Jusqu'à présent, l'identification manuelle de ces informations dans les dossiers patients nécessitait des heures de travail pour les médecins et les étudiants en médecine. Pour remédier à cette inefficacité, l'équipe a conçu un cadre d'analyse utilisant des algorithmes de langage ouverts. Lors d'une phase préliminaire, les modèles généralistes tels que DeepSeek-R1-70b, Llama-3.3 et Mistral-Large ont démontré un excellent équilibre entre précision diagnostique et respect des consignes de formatage. Ils ont été retenus pour la phase de validation clinique. Les tests ont porté sur les dossiers de 411 patients. Le système parvient à identifier les événements cardiaques entre 71 et 85,5 pour cent du temps. Contrairement aux méthodes traditionnelles, le cadre algorithmique parvient à distinguer les affirmations positives des négations médicales, évitant ainsi les faux positifs lorsqu'un dossier mentionne explicitement l'absence de pathologie. Alors qu'un examen manuel requiert environ deux heures par dossier, l'algorithme effectue le traitement en vingt à quarante-deux secondes. Ces résultats, publiés en 2026 dans l'International Journal of Radiation Oncology, Biology, Physics, démontrent le potentiel des intelligences artificielles génératives pour optimiser le traitement des données médicales. Les chercheurs souhaitent maintenant affiner ce système pour prédire plus précisément quels patients sont susceptibles de développer une cardiotoxicité. À terme, cette technologie pourrait permettre d'ajuster les protocoles de radiothérapie, offrant une prise en charge plus personnalisée, réduisant les effets secondaires et améliorant les résultats cliniques à long terme.