LLM

Des modèles d’IA peuvent-ils répondre aux questions des patients avant une intervention en RI ?

Une étude a testé quatre logiciels de système d'IA, dont ChatGPT, pour répondre aux questions fréquemment posées par les patients en radiologie interventionnelle. L’objectif était d’évaluer les pistes d’amélioration des pratiques cliniques et la compréhension des patients, tout en évaluant les risques.

icon réservé aux abonnésArticle réservé aux abonnés
Le 17/11/25 à 7:00, mise à jour le 20/11/25 à 9:47 Lecture 2 min.

À l’issue de leur analyse, les radiologues ont constaté que DeepSeek-V3 et ChatGPT-4o avaient démontré d'excellentes performances en fournissant des réponses précises et compréhensibles D. R.

Avant une procédure de radiologie interventionnelle, les patients posent souvent de nombreuses questions. L’étude publiée en octobre 2025 dans le CVIR Endovascular [1] s’est intéressée à la possibilité de déléguer tout ou partie de cette information à des modèles d’intelligence artificielle concernant trois procédures spécifiques, à savoir l'embolisation artérielle (TAPE), la curiethérapie à haut débit de dose guidée au scanner (CT‑HDR) et la bléomycine électrosclérothérapie (BEST).

Une centaine de questions

Dans le cadre de leur étude, les chercheurs ont posé une trentaine de questions pour chaque procédure (35 pour TAPE, 34 pour CT-HDR, 36 pour BEST) aux quatre modèles d'intelligence artificielle, à savoir : ChatGPT‑4o, DeepSeek‑V3, OpenBioLLM‑8b et BioMistral‑7b. Les questions ont été posées dans un rôle "patient", avec pour texte : "Je suis patient. Je dois subir une curiethérapie CT-HDR et j'ai quelques questions concernant cette procédure. Pourriez-vous répondre à chacune des quest

Il vous reste 70% de l’article à lire

Tech Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Tech Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre découverte

1€

pendant 1 mois
puis 13 €/mois

S’abonner à Tech Imago

Auteurs

Marjolaine Margue

Journaliste spécialisée BOM Presse

Voir la fiche de l’auteur

Bibliographie

  1. Levita B, Eminovic S, Lüdemann WM, et al (2025) Large language models for patient education prior to interventional radiology procedures : a comparative study. CVIR Endovascular 8:81. https://doi.org/10.1186/s42155-025-00609-z

Mots-clés

intelligence artificielle expérience patient ChatGPT

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Tech Imago

05 Oct

14:25

L'utilisation de salles hybrides d'angiographie incorporant l'angioscanner biphasique a réduit la dose de manière significative par rapport au scanner cone beam monophasique lors de procédures d'embolisation et de radio-embolisation du foie, dans le cadre d'une étude rétrospective. « Toutefois, la dose effective totale n'est plus restée significative après correction des incertitudes », indiquent les chercheurs.

7:23

La présence d'une couronne échogène entourant une masse est associée à une tumeur maligne invasive et correspond à une évolution du carcinome canalaire in situ vers un cancer invasif d'après l'examen histopathologique postopératoire, selon une étude présentée dans Academic Radiology. Toutefois, elle n'apporte guère d'informations supplémentaires utiles aux radiologues sur le plan diagnostique ou pronostique.

7:00

03 Oct

4:00

Au sein de la polyclinique de Blois (Centre-Val de Loire), le groupe Vidi - IMCL41 a investi dans de nouveaux équipements lourds. Les locaux ont également été agrandis. L'objectif du groupe est de "d’améliorer l'accueil des patients et surtout de réduire les délais de rendez-vous", indique-t-il dans un communiqué.
02 Oct

15:13

Prenuvo lance le Prenuvo Research Network. Le réseau réunira ses propres outils d’IA, des équipes internes de recherche et développement, des scientifiques et des institutions académiques. Leur objectif est de « construire la base de preuves pour une médecine proactive et préventive ».

13:00

Les méthodes de deep learning permettent de réduire les artefacts métalliques en scanner pour la radiothérapie tête et cou, avec une amélioration de la visualisation et de la précision dosimétrique (étude).
✕
Tech Imago

GRATUIT
VOIR