Par Salm Adham
Rosenzveig A, Tefera L. AI as a tool, not a replacement, in vascular medicine.
L'IA comme outil, et non comme substitut, en médecine vasculaire
Vascular Medicine. 2025;31(1):79-80. doi:10.1177/1358863X251399581
https://journals.sagepub.com/doi/full/10.1177/1358863X251399581
Article libre d'accès
Les auteurs ont demandé à 30 spécialistes vasculaires et à 13 experts en droit (LLM), dont des modèles conçus pour raisonner étape par étape grâce à une chaîne de pensée (CoT), de répondre à un scénario clinique standardisé d'artériopathie oblitérante des membres inférieurs (AOMI), conforme aux recommandations multisociétales de 2024 sur l'AOMI.
Deux experts, à l'insu des données, ont ensuite évalué toutes les réponses quant à leur conformité aux recommandations et leur lisibilité en espagnol. Les recommandations générées par l'IA étaient comparables à celles des spécialistes humains, les modèles CoT présentant les performances les plus constantes et une fiabilité inter-évaluateurs quasi parfaite. La lisibilité du texte généré par l'IA était légèrement inférieure, mais restait accessible aux patients .
Pris ensemble, ces résultats démontrent que les modèles linguistiques modernes peuvent s'inscrire dans le cadre du raisonnement des soins vasculaires guidés par les recommandations et communiquer ce raisonnement de manière cohérente dans différentes langues.
Ces travaux viennent enrichir une littérature en constante expansion montrant que l'IA peut reproduire le raisonnement clinique avec des résultats fiables.
Des études antérieures ont abouti à des conclusions similaires dans d'autres contextes de médecine vasculaire, notamment pour des diagnostics courants comme l'embolie pulmonaire et des diagnostics plus rares comme la dysplasie fibromusculaire, démontrant que, correctement sollicités, les modèles linguistiques peuvent fournir des réponses précises et fondées sur des preuves aux questions des cliniciens et des patients.
L'utilisation de l'AOMI comme terrain d'expérimentation par Verastegui et al. est remarquable.
L'AOMI est fréquente, sous-diagnostiquée et caractérisée par une adhésion variable aux soins fondés sur des données probantes. L'orientation vers une kinésithérapie supervisée et l'optimisation du traitement médical restent inégales.
Dans ce contexte, la grande cohérence des réponses générées par l'IA pourrait représenter une opportunité concrète pour corriger cette situation et proposer des soins standardisés. La reproductibilité démontrée par les modèles CoT suggère que l'IA pourrait constituer un outil précieux pour garantir la mise en œuvre des recommandations fondamentales fondées sur des données probantes.
Tout aussi important dans leur étude est l'attention portée à la qualité de la communication.
La lisibilité des textes médicaux a des conséquences majeures sur la compréhension et l'adhésion des patients. Ceci est particulièrement crucial en pathologie vasculaire, où plusieurs recommandations préconisées par les guides de pratique clinique exigent des changements de comportement. Verastegui et al. ont évalué la lisibilité et constaté que les réponses générées par l'IA étaient accessibles, même si légèrement moins lisibles que les réponses des médecins, ce qui suggère le potentiel de l'IA pour améliorer la communication avec les patients. Dans de nombreuses régions, notamment celles où les spécialistes vasculaires sont rares mais où l'accès au numérique est disponible, des modèles de langage validés pourraient faciliter la diffusion d'informations conformes aux recommandations et adaptées au contexte culturel.
La conception de l'étude, fondée sur une seule vignette clinique standardisée, constitue une limite. La pratique clinique réelle est par nature imprévisible et souvent plus complexe. Le raisonnement d'un médecin englobe de nombreuses variables difficiles à appréhender par une logique algorithmique. Les modèles de langage, aussi sophistiqués soient-ils, sont limités par les données utilisées pour leur entraînement, ce qui restreint les schémas qu'ils peuvent reproduire.
Bien que l'IA puisse reproduire la forme du raisonnement clinique, elle ne se rapproche pas encore de la pratique médicale telle qu'elle se déroule au contact des patients. Comme l'ont récemment souligné Jain et al., des progrès significatifs dans ce domaine dépendent non seulement de la démonstration de performances techniques ou de la précision des modèles, mais aussi de la réalisation d'études cliniques, centrées sur le patient et généralisables. Le domaine doit dépasser le cadre du modèle pour s'orienter vers une recherche évaluant la mise en œuvre, les flux de travail et l'impact clinique sur les résultats pour les patients, plutôt que de se concentrer uniquement sur la précision algorithmique. Une revue récente d'essais contrôlés randomisés évaluant l'IA en pratique clinique a également constaté que la plupart des études restent à un stade précoce de développement, avec de petits échantillons, des critères d'évaluation indirects et des résultats pertinents pour les patients limités.
De ce point de vue, les travaux de Verastegui et al. présentent plusieurs implications.
Premièrement, ils confirment que le rôle de l'IA en médecine vasculaire est avant tout celui d'un outil d'aide à la décision. Les modèles de langage (ML) peuvent servir de référence pour le raisonnement clinique, en rappelant aux cliniciens les recommandations clés des guides de pratique clinique ou en générant des instructions pour les patients dans un langage adapté à leur niveau de lecture. Leur cohérence peut soutenir les initiatives d'amélioration de la qualité et réduire les écarts involontaires par rapport aux pratiques fondées sur des données probantes.
Deuxièmement, les résultats soulignent la nécessité d'une collaboration continue entre cliniciens et développeurs d'IA afin de garantir que ces outils évoluent de manière sûre, transparente et éthique. Les outils d'IA peuvent produire des informations convaincantes mais erronées ; les cliniciens doivent donc rester les arbitres ultimes des soins aux patients, en évaluant les recommandations générées par l'IA au regard du contexte clinique et de leur jugement.
À mesure que les outils d'IA passent du stade expérimental à une application concrète, l'importance de la reproductibilité et de la spécificité du domaine s'accroît. Les résultats de Verastegui et de ses collègues renforcent l'idée que, dans certains contextes cliniques, l'IA peut fournir un raisonnement cohérent et conforme aux recommandations. À ce stade, il est peu probable que l'IA remplace le raisonnement des spécialistes en médecine vasculaire. Cependant, elle pourrait de plus en plus améliorer notre pratique en fournissant des résultats qui renforcent la cohérence des diagnostics et la compréhension des patients.
NOTEBOOKLM
Cette source examine l'intégration de l'intelligence artificielle dans la médecine vasculaire, en s'appuyant sur une étude comparative entre des spécialistes humains et des modèles de langage. Les résultats démontrent que l'IA peut fidèlement reproduire les recommandations cliniques pour la maladie artérielle périphérique, tout en offrant une communication accessible aux patients. Bien que les outils technologiques fassent preuve d'une cohérence remarquable, les auteurs soulignent que l'algorithme ne remplace pas le jugement clinique face à la complexité du monde réel. En somme, l'IA est présentée comme un auxiliaire précieux capable d'harmoniser les soins et de renforcer l'adhésion aux protocoles établis. Cette analyse plaide pour une collaboration éthique où le médecin reste l'arbitre final des décisions thérapeutiques.
Ce commentaire fait suite à l’article de Verastegui A et al. Comparaison de l’adhésion et de la lisibilité des recommandations : intelligence artificielle avec apprentissage profond versus médecins spécialistes dans la prise en charge de l’artériopathie périphérique. Vasc Med 2026 ; 31 : 71-79. DOI : 10.1177/1358863X251386394.
Contexte : L’artériopathie oblitérante des membres inférieurs (AOMI) représente un enjeu de santé publique mondial. Les progrès de l’intelligence artificielle (IA), tels que les grands modèles de langage (GML) et le raisonnement par chaîne de pensée (RCP), offrent de nouvelles perspectives pour les recommandations cliniques. Cette étude a comparé la lisibilité et la conformité aux recommandations des réponses de médecins et d’une IA pour un cas standardisé d’AOMI.
Méthodes : Cette étude transversale a recueilli les réponses de 30 médecins spécialistes (11 cardiologues et 19 chirurgiens vasculaires) dans sept pays d’Amérique latine et 13 systèmes de gestion des maladies vasculaires (10 systèmes standard et 3 systèmes de soins intégrés). Les deux groupes ont abordé le diagnostic, le traitement, les risques et le pronostic ; les médecins spécialistes en gestion des maladies vasculaires ont répondu en tant que spécialistes vasculaires. Les réponses ont été évaluées en aveugle à l’aide de cinq indices de lisibilité validés en espagnol et comparées aux recommandations multisociétés ACC/AHA de 2024 sur l’artériopathie oblitérante des membres inférieurs (AOMI). Trois experts ont évalué la conformité aux recommandations ; des tests non paramétriques ont été appliqués.
Résultats : L’adhésion aux recommandations ne différait pas significativement entre les médecins (médiane : 5,8 [3,4-7,6]) et les médecins généralistes (7,3 [4,7-9,7], p = 0,169), bien que les médecins généralistes aient obtenu les scores les plus élevés (9,7 [8,5-11,0]). Les médecins généralistes recommandaient plus fréquemment l’exercice physique supervisé (84,6 % vs 30,0 %, p = 0,002) et la revascularisation pour améliorer la qualité de vie (69,2 % vs 20,0 %, p = 0,004), tandis que les médecins privilégiaient le cilostazol (60,0 % vs 30,8 %, p = 0,104). Les réponses des médecins généralistes présentaient des valeurs μ de lisibilité plus faibles (46,9 vs 51,4, p = 0,012). La fiabilité interévaluateurs était la plus élevée pour les CoT-LLM (coefficient de corrélation intraclasse [ICC] = 0,98) par rapport aux médecins (ICC = 0,76).
Conclusion : L’adhésion aux recommandations des modèles LLM était comparable à celle des médecins, bien que les modèles CoT aient obtenu les meilleurs scores. La différence entre les préférences de traitement des médecins et celles des IA suggère le potentiel de l’IA comme outil clinique complémentaire et justifie des recherches plus approfondies.
NOTEBOOKLM
Cette source examine l'intégration de l'intelligence artificielle dans la médecine vasculaire, en s'appuyant sur une étude comparative entre des spécialistes humains et des modèles de langage. Les résultats démontrent que l'IA peut fidèlement reproduire les recommandations cliniques pour la maladie artérielle périphérique, tout en offrant une communication accessible aux patients. Bien que les outils technologiques fassent preuve d'une cohérence remarquable, les auteurs soulignent que l'algorithme ne remplace pas le jugement clinique face à la complexité du monde réel. En somme, l'IA est présentée comme un auxiliaire précieux capable d'harmoniser les soins et de renforcer l'adhésion aux protocoles établis. Cette analyse plaide pour une collaboration éthique où le médecin reste l'arbitre final des décisions thérapeutiques.
Commentaire : ces deux articles renforcent la notion d'outil IA en médecine vasculaire. Tout au moins pour l'instant. L'IA copilote du médecin vasculaire : oui mais pas remplaçant… mais l'IA AGENTIQUE arrive. Copilotage à déterminer rapidement . Ce copilote se résume de la manière suivante : une ANGIO SYNERGIE solide et efficace de chaque instant .
À LIRE
