Est-il possible que les modèles d’apprentissage linguistique (LLM) révolutionnent le domaine médical, spécifiquement l’ophtalmologie? Une étude récente de l’École de médecine clinique de l’Université de Cambridge a soulevé cette question captivante. Cette recherche a mis à l’épreuve OpenAI GPT-4, confrontant sa performance à celle d’experts dans le domaine de l’ophtalmologie. Mais quelles implications une telle performance suggère-t-elle pour l’avenir de la médecine et de l’intelligence artificielle?
Dans le cadre de cette étude publiée dans PLOS Digital Health, plusieurs modèles incluant GPT-3.5, PaLM 2 de Google, et LLaMA de Meta ont été évalués au travers d’un examen comportant 87 questions à choix multiples issues d’un manuel d’ophtalmologie. Aucun contenu n’était préalablement accessible au public, réduisant ainsi la probabilité que les LLMs aient été entrainés sur ces données. Comment ces modèles se sont-ils donc comportés face à un ensemble de questions spécialisées et inédites? Et surtout, cette performance est-elle réellement significative?
Les résultats ont mis en évidence une performance impressionnante de GPT-4, surpassant les scores des médecins juniors et des stagiaires, mais reste-t-il à déterminer si cela suffit pour envisager son application concrète dans le domaine médical? Face à cette question, il est crucial de considérer les potentielles lacunes des LLMs, telles que leur tendance à « halluciner » ou à manquer de nuances, surtout dans un contexte aussi délicat que le diagnostic médical.
La performance de GPT-4 dans le test d’ophtalmologie soulève des questions essentielles sur l’avenir de l’IA en médecine.
Les limitations de l’étude, dont le nombre restreint de questions et le manque de diversité dans les sujets abordés, pourraient influencer les résultats. Une réflexion approfondie sur ces aspects est nécessaire pour envisager une future intégration des LLMs dans des applications médicales concrètes. Faut-il dès lors accorder une confiance aveugle à ces technologies, ou est-il préférable de procéder avec prudence?
Les risques associés aux erreurs potentielles ou aux « hallucinations » des modèles, surtout lorsqu’il s’agit de diagnostic de maladies comme le cancer, ajoutent une couche de complexité à cette discussion. Comment garantir la fiabilité des diagnostics proposés par les LLMs dans des situations où la moindre erreur peut avoir des conséquences irréversibles?
En fin de compte, cette étude pose plus de questions qu’elle n’apporte de réponses, dessinant un avenir où la collaboration entre humains et intelligence artificielle pourrait transformer la médecine. Mais cette collaboration sera-t-elle bénéfique ou risquée? La science et la technologie progressent à une vitesse impressionnante, mais cette progression est-elle toujours synonyme de bénéfice pour l’humanité, surtout lorsqu’elle touche à des domaines aussi sensibles que la santé?
À l’aube de cette révolution technologique en médecine, une question demeure : sommes-nous prêts à intégrer l’intelligence artificielle dans nos diagnostics médicaux?
Source : Engadget
