AVC : L’IA pour le localiser

Cependant, tous les patients n’ont pas accès à l’imagerie.

L’auteur principal, le Dr Jung-Hyun Lee, de l'Université d'État de New York (SUNY), neurologue et membre de l'Académie américaine de neurologie rappelle ainsi que « toutes les personnes victimes d'un AVC n'ont pas accès à des scanners cérébraux ou même à des services de neurologie. Il est donc essentiel de regarder si des modèles d’IA comme GPT-4 peuvent effectuer ce travail de localisation des lésions après un AVC et sur la base des antécédents médicaux disponibles du patient ».

L'étude est menée sur 46 cas publiés d’accident vasculaire cérébral. Les chercheurs ont rassemblé les données d’antécédents médicaux et des examens neurologiques des participants. Le système devait répondre à 3 questions : une ou plusieurs lésions ; de quel côté du cerveau ; et dans quelle région du cerveau. Les réponses de GPT-4 ont ensuite été comparés aux scintigraphies cérébrales de chaque participant, analysées par les neurologues. Cette comparaison révèle que :

• le modèle d’IA exploite avec efficacité les données d’antécédents médicaux et d’examens neurologiques et parvient bien à localiser les lésions dans le cerveau de nombreux participants ;

• identifiant de quel côté du cerveau se trouve la lésion,

• ainsi que la région spécifique du cerveau, à l'exception des lésions du cervelet et de la moelle épinière.
• Chez la majorité des participants, GPT-4 a pu identifier de quel côté du cerveau les lésions étaient détectées avec une sensibilité de 74 % et une spécificité de 87 % ;
• GPT-4 a également identifié la région du cerveau avec une sensibilité de 85 % et une spécificité de 94 % ;
• GPT-4 apporte des résultats cohérents pour 76 % des participants en ce qui concerne le nombre de lésions cérébrales. Cela était cohérent pour 83 % des participants pour le côté du cerveau et pour 87 % des participants pour les régions du cerveau ;
• la combinaison des réponses de GPT-4 aux 3 questions posées à 3 reprises, apporte un diagnostic précis pour 41 % des participants.

S’il faudra encore améliorer le modèle avant de pouvoir l’utiliser en clinique, ce type de « grand modèle linguistique » présente un potentiel précieux pour la localisation des lésions après un AVC et pourrait également contribuer à réduire les disparités d’accès aux soins neurologiques.