BOSTON — Des instructions spécifiques pour ChatGPT-4 pourraient améliorer la précision des prédictions de protocoles dans le domaine de la radiologie, selon des résultats présentés lors de la Conférence sur l’intelligence artificielle en imagerie médicale (CMIMI).
Lors d’une présentation par affiche au congrès de la Society for Imaging Informatics in Medicine (SIIM), une équipe dirigée par Kartik Gupta de l’Université Western à London, Ontario, a constaté qu’une approche basée sur des règles et une invite personnalisée amélioraient les performances de ChatGPT-4 dans l’établissement des protocoles pour les examens de tomodensitométrie thoracique.
« Les radiologues souhaitent passer plus de temps sur des tâches d’imagerie que sur des tâches non liées à l’imagerie », a expliqué Gupta. « Nous voulions trouver un moyen de valider les grands modèles linguistiques pour voir si nous pouvions automatiser ce processus au lieu d’utiliser des techniques traditionnelles de traitement du langage naturel. »
Au cours de la dernière décennie, le volume d’examens de CT et d’IRM a considérablement augmenté, et cette tendance devrait se poursuivre. Cela signifie que les radiologues devront s’investir davantage dans la création de protocoles, une tâche qui peut s’avérer chronophage.
Alors que les chercheurs explorent des méthodes efficaces pour automatiser la création de protocoles à l’aide d’outils d’IA, les grands modèles linguistiques ont émergé comme une option potentielle. Gupta a souligné que la capacité de ces modèles à répondre à des questions médicales et à accomplir des tâches de protocolage pourrait s’avérer utile pour les radiologues.
Avec ses collègues, Gupta a mis ce modèle à l’épreuve. Ils ont utilisé un ensemble de données de 796 demandes d’imagerie thoracique par CT provenant de l’Hôpital Victoria à London, Ontario. L’équipe a identifié quatre types de protocoles : avec contraste, sans contraste, interstitiel et faible dose de contraste. Par la suite, quatre types d’invites ont été testés avec ChatGPT-4 : contrôle, règles de classification, ablation et affinage.
Parmi toutes les demandes d’imagerie, 605 examens impliquaient des agents de contraste, 97 étaient sans contraste, 27 étaient interstitiels et 67 étaient des demandes de CT à faible dose.
Les chercheurs ont observé que l’approche basée sur des règles entraînait une amélioration significative des performances de protocolage.
Performance de ChatGPT-4 avec une approche basée sur des règles pour les examens de CT thoracique | ||||||
---|---|---|---|---|---|---|
Précision | Précision | Rappel | Score F1 | Valeur p vs. contrôle | Valeur p vs. règles de classification | |
Contrôle | 0.79 | 0.61 | 0.79 | 0.66 | N/A | |
Règles de classification | 0.88 | 0.77 | 0.89 | 0.82 | < 0.001 | |
Ablation des règles de classification | 0.85 | 0.73 | 0.77 | 0.70 | < 0.001 | 0.002 |
Règles de classification améliorées | 0.90 | 0.80 | 0.89 | 0.84 | < 0.001 | < 0.001 |
Gupta a souligné que les grands modèles linguistiques permettent une prédiction de protocole « zero-shot », ce qui signifie qu’ils n’ont pas besoin de grands ensembles de données et améliorent le flux de travail en radiologie. Il a ajouté que cette approche pourrait accroître l’efficacité des protocoles dans les départements de radiologie.
« Si nous pouvons fournir un système basé sur des règles à diverses institutions, elles peuvent examiner leurs propres demandes, considérer les nuances des prescriptions des médecins de leurs hôpitaux, et peut-être créer leur propre ensemble de règles pour valider rapidement ces protocoles », a-t-il déclaré.
Les prochaines étapes pour les chercheurs incluent la validation et le test de nouveaux protocoles provenant d’autres sites, ainsi que l’utilisation d’ensembles de données plus larges, a ajouté Gupta.
Découvrez la couverture de CMIMI 2024 ici.
Notre Point de vue
Il est indéniable que l’intégration de l’intelligence artificielle dans le domaine de la radiologie pourrait transformer la manière dont les protocoles d’imagerie sont établis. En facilitant un travail plus précis et rapide pour les radiologues, ces outils technologiques ouvrent la voie à une efficacité accrue dans un contexte où la demande pour les examens médicaux ne cesse de croître. Toutefois, il est essentiel de continuer à mener des recherches approfondies, tout en garantissant la qualité et la sécurité des soins offerts aux patients, afin de pleinement saisir le potentiel de ces avancées. Cette démarche nous invite à repenser nos méthodes traditionnelles tout en restant attentifs aux implications éthiques et pratiques de l’usage de l’IA dans un domaine aussi sensible.
- Source image(s) : www.auntminnie.com
- Source : https://www.auntminnie.com/resources/conference/cmimi/2024/article/15706362/cmimi-rulesbased-approach-improves-chatgpts-protocoling-performance