Comparer 9 Large Language Models dans le domaine de la santé
Nous avons évalué 9 LLMs en utilisant le dataset MedQA, un benchmark d'examen clinique de niveau universitaire dérivé des questions de l'USMLE. Chaque model a répondu aux mêmes scénarios cliniques à choix multiples à l'aide d'un prompt standardisé, permettant une comparaison directe de la précision.
Nous avons également enregistré la latence par question en divisant le temps d'exécution total par le nombre d'éléments MedQA complétés.
Résultats du benchmark des LLMs de santé
Méthodologie du benchmark : Ce benchmark évalue la performance du fine-tuning supervisé des LLMs de santé vs. les models généralistes de grande taille (GPT-4) sur des tâches de réponse aux questions médicalestâches. Voir les sources de données du benchmark.
MedQA : Questions d'examen médical à choix multiples basées sur l'United States Medical Licensing Examination.
Figure 1 : Exemple de question clinique à choix multiples de style USMLE.
MedMCQA : Dataset de réponse aux questions à choix multiples (MCQA) à grande échelle conçu pour répondre aux questions d'examens d'entrée en médecine du monde réel.
Figure 2 : Une question à choix multiples d'examen d'entrée en médecine à grande échelle demandant au model de sélectionner la bonne réponse et d'interpréter les explications associées aux conclusions cliniques.
PubMedQA : Benchmark de réponse aux questions biomédicales utilisant des réponses oui/non/peut-être.
Figure 3 : Une question biomédicale oui/non/peut-être, où le model doit juger de l'exactitude d'une affirmation clinique en utilisant le contexte de l'étude fournie.
Exemples de LLM de santé
De type BERT (Encodeur uniquement)
Optimisés pour l'encodage et la représentation de textes biomédicaux, ces models excellent dans l'extraction de caractéristiques pour des tâches telles que la classification.
De type ChatGPT / LLaMA (Décodeur, optimisé pour instructions/chat)
Basés sur des architectures de style LLaMA et optimisés pour les tâches interactives et les dialogues cliniques.
De type GPT / PaLM (Décodeur uniquement, génératif)
Construits similairement à GPT-3 ou PaLM, ces models sont optimisés pour la génération de texte et le résumé à usage général.
LLMs généralistes dans la santé
*Llama 3.1 Instruct Turbo avec 405B paramètres. Voir la méthodologie du benchmark.
Points clés :
- o1 : Model le plus performant
- 03 mini : Meilleure option budget
- GPT 4.1 : Meilleure vitesse et temps de réponse
Au-delà de la précision et du coût d'entrée, les models diffèrent également dans leurs approches sous-jacentes pour répondre aux questions médicales. Par exemple, o3 utilise une approche analytique plus étape par étape, tandis que GPT-5 répond avec empathie, organise et explique les informations clairement pour les non-experts :
Figure 4 : Figure montrant les différences entre les réponses de GPT-5 et o3.
Fine-tuning des LLMs médicaux
La performance du ChatGPT par défaut (model 4o) est comparée avec l'assistant existant « Clinical Medicine Handbook ». Les deux models reçoivent le même prompt, et leurs réponses sont analysées :
GPT 4o
Figure 5 : La figure montre que la réponse du model GPT 4o par défaut est précise mais aussi très synthétisée.1
LLM médical fine-tuné
Figure 6 : La figure montre que la réponse de l'agent spécialisé est mieux expliquée et détaillée.2
Lisez le fine-tuning de LLM et l' entraînement de LLM pour en savoir plus.
Applications des LLMs généralistes
Ces models sont des models généralement fine-tunés qui nécessitent une adaptation au domaine pour effectuer des tâches cliniques avec précision. Vous pouvez utiliser ces models dans la santé en exploitant :
- Le pré-entraînement continu sur des données médicales pour aider le model à mieux identifier le langage médical en l'exposant à des notes cliniques et à la littérature biomédicale (comme PubMed).
- RAG pour extraire des données de documents cliniques vérifiés afin de produire des réponses précises au moment de l'exécution.
- Le fine-tuning d'instructions pour permettre au model d'apprendre comment répondre aux questions cliniques ou extraire des symptômes d'un texte.
Figure 7 : Un flux de travail général du fine-tuning de LLM pour des cas d'utilisation spécialisés.9
Cas d'utilisation des LLMs en milieu clinique
1. Transcription médicale
Les LLMs peuvent aider à créer des transcriptions médicales en :
- Écoutant le dialogue organique entre un patient et un clinicien.
- Extrayant les détails médicaux critiques.
- Condensant les données médicales en dossiers médicaux conformes qui s'alignent avec les sections pertinentes d'un EHR.
Exemple concret : Le MedLM de Google peut capturer et transformer la conversation patient-clinicien en transcription médicale.10
2. Amélioration des dossiers de santé électroniques (EHR)
L'utilisation généralisée des dossiers de santé électroniques (EHRs) a généré de vastes quantités de données patients qui, lorsqu'elles sont utilisées efficacement, peuvent considérablement améliorer les soins de santé.
Par exemple, l'analyse des données EHR peut aider les cliniciens à prendre de meilleures décisions en révélant des modèles dans les diagnostics, les traitements et les résultats. Elle peut également favoriser une détection plus précoce des maladies et des soins plus personnalisés en identifiant les facteurs de risque et en adaptant les traitements aux patients individuels.
Au niveau du système, les données EHR peuvent améliorer l'efficacité en réduisant les tests redondants, en mettant en évidence les lacunes de soins et en informant les politiques qui améliorent la qualité et réduisent les coûts.
Exemple concret : Le MedLM de Google est utilisé par BenchSci, Accenture et Deloitte pour améliorer les dossiers de santé électroniques (EHRs).
- BenchSci a intégré MedLM dans sa plateforme ASCEND pour améliorer la qualité de la recherche préclinique.
- Accenture utilise MedLM pour organiser des données non structurées provenant de sources multiples, automatisant des opérations manuelles auparavant chronophages et sujettes aux erreurs.
- Deloitte travaille avec MedLM pour minimiser les frictions dans la recherche de traitement. Ils utilisent un chatbot interactif qui aide les participants aux plans de santé à mieux comprendre les alternatives de prestataires.11
3. Support à la décision clinique
Les LLMs aident les cliniciens à interpréter les informations spécifiques au patient incluses dans les preuves médicales actuelles, faisant ressortir les considérations pertinentes lors du diagnostic ou de la planification du traitement sans remplacer le jugement clinique.
Exemple concret : MedGemma (Google DeepMind) est une collection de models médicaux open-weight basés sur l'architecture Gemma 3 de Google. Plutôt que de fonctionner comme un outil de diagnostic direct au consommateur, MedGemma sert de fondation pour les développeurs afin de créer des applications médicales destinées aux cliniciens.
Conçu pour l'analyse de textes et d'images médicales, MedGemma peut interpréter des images médicales complexes, notamment des radiographies thoraciques, des IRM et des scanners CT. Il prend également en charge les tâches de raisonnement clinique, telles que le résumé de notes de patients ou la réponse à des questions de style examen médical.
Selon une revue effectuée par un radiologue cardiothoracique certifié aux États-Unis, 81 % des rapports de radiographie thoracique de MedGemma conduiraient à des décisions de gestion des patients similaires à celles basées sur les rapports originaux du radiologue (voir le graphique ci-dessous).
Figure 8 : Le graphique montre la fréquence à laquelle les rapports de radiographie thoracique générés par l'IA et les rapports originaux du radiologue conduisent à des résultats cliniques similaires ou différents pour les cas normaux, anormaux et tous les cas.12
Exemple concret : Le Memorial Sloan Kettering Cancer Center utilise IBM Watson Oncology pour aider les oncologues en analysant les données des patients et la littérature médicale pour recommander des options de traitement basées sur des preuves.13
4. Assistance à la recherche médicale
Dans la recherche médicale, la valeur fondamentale des LLMs réside dans leur capacité à accélérer la revue et la synthèse de la littérature.
Plutôt que de simplement résumer des articles, les LLMs aident les chercheurs à suivre le rythme de l'expansion rapide de la littérature biomédicale en identifiant les études pertinentes, en extrayant les conclusions clés et en synthétisant les informations provenant de sources multiples.
Exemple concret : Le chatbot de santé de John Snow aide les chercheurs à trouver des articles scientifiques pertinents, à extraire des informations clés et à identifier des tendances de recherche. Il est particulièrement précieux pour naviguer dans la vaste quantité de littérature biomédicale.14
5. Communication automatisée avec les patients
Les large language models dans la santé peuvent rédiger des réponses informatives et compatissantes aux questions des patients. Quelques exemples incluent :
- Gestion des médicaments et rappels : Un chatbot fournit aux patients des rappels réguliers pour prendre leurs médicaments contre le diabète et demande une confirmation.
- Suivi de santé et soins post-opératoires : Un patient post-opératoire envoie l'état de sa douleur et de sa plaie à un chatbot, qui détermine si le processus de guérison progresse.
- Communication informative et éducative : Un patient demande à un chatbot comment gérer l'hypertension artérielle, et le chatbot répond avec des conseils nutritionnels et de mode de vie.
Exemple concret : ChatGPT Health permet aux utilisateurs de connecter en toute sécurité leurs dossiers médicaux et leurs données de bien-être (par exemple, Apple Health ou MyFitnessPal). Les utilisateurs peuvent ensuite poser des questions à ChatGPT sur leurs propres données, telles que « Quelle est la tendance de mon cholestérol ? » ou « Résume mes derniers résultats de laboratoire. »15
Exemple concret : Le Boston Children’s Hospital utilise Buoy Health, un chatbot de vérification des symptômes en ligne piloté par l'IA, qui fournit aux patients des réponses instantanées aux questions de santé et des consultations initiales.
Le chatbot peut trier les patients en analysant leurs symptômes et en conseillant s'ils doivent consulter un médecin.16
6. Résultats de santé prédictifs
Les LLMs peuvent être positionnés pour permettre la stratification des risques et les prévisions dans la santé. En soutenant l'analyse de données cliniques structurées et non structurées, les LLMs peuvent aider à identifier les patients présentant un risque élevé (comme la réadmission à l'hôpital) et à soutenir une planification proactive des soins, souvent en combinaison avec des models prédictifs traditionnels.
Exemple concret : Les pharmaciens de la WVU utilisent un algorithme prédictif pour déterminer le risque de réadmission. Cette approche examinera les données des dossiers de santé électroniques (EHRs), qui incluent la démographie des patients, les antécédents cliniques et les déterminants socio-économiques de la santé.
Sur la base de cette recherche, les pharmaciens de la WVU identifient les patients à haut risque de réadmission et assignent des coordinateurs de soins pour assurer le suivi après la sortie. Cela peut aider à réduire les taux de réadmission.17
7. Plans de traitement personnalisés
En intégrant les antécédents médicaux, les symptômes et les données de santé longitudinales, les LLMs peuvent aider à traduire des informations complexes sur les patients en considérations de soins individualisées, soutenant des discussions de traitement plus personnalisées et conscientes du contexte entre les cliniciens et les patients.
Exemple concret : Le chatbot IA de Babylon Health fournit des recommandations de santé individualisées basées sur les symptômes et les antécédents médicaux de l'utilisateur. Il engage les utilisateurs dans une conversation en posant des questions pertinentes pour mieux analyser leurs problèmes et en donnant des recommandations sur mesure.18
8. Codage et facturation médicale
Les large language models peuvent automatiser les processus d'audit en analysant les dossiers des patients et les EHRs.
Exemple concret : Epic Systems, un fournisseur d'EHR, intègre des LLMs dans son logiciel pour aider au codage et à la facturation. Les LLMs peuvent surveiller les anomalies dans les modèles d'accès aux informations sensibles des patients ou les incohérences dans les pratiques de codage et de facturation.19
Exemple concret : Claude for Healthcare (Anthropic) est une plateforme axée sur l'entreprise conçue pour les organisations de santé, les prestataires et les assureurs. Elle connecte les large language models à des bases de données médicales professionnelles telles que l'ICD-10 et la base de données de couverture CMS, permettant aux hôpitaux d'automatiser les flux de travail administratifs. Ces flux de travail incluent les autorisations préalables d'assurance, le résumé des dossiers des patients et le triage des messages du portail patient.20
Cependant, les LLMs ne sont pas encore totalement prêts pour le codage médical, mais leurs contributions sont prometteuses : Des chercheurs ont examiné la fréquence à laquelle quatre LLMs (GPT-3.5, GPT-4, Gemini Pro et Llama2-70b Chat) ont émis les codes CPT, ICD-9-CM et ICD-10-CM corrects.
Leurs conclusions montrent une opportunité d'amélioration significative. Les chercheurs ont constaté que les LLMs génèrent souvent des codes qui transmettent des informations inexactes, avec une précision maximale de 50 %.21
9. Formation et éducation
Les large language models et l' IA générative peuvent être utilisés comme outils éducatifs interactifs, aidant les cliniciens et les patients à mieux comprendre des concepts médicaux complexes et à clarifier des informations confuses.
Cas d'utilisation concret : Oxford Medical Simulation utilise des LLMs intégrés à la technologie VR pour créer des simulations de patients virtuels immersives.
Ces simulations permettent aux étudiants de vivre des scénarios à haute pression, comme la prise en charge d'un patient en arrêt cardiaque, sans aucune conséquence dans le monde réel.
Les LLMs alimentent les réponses des patients virtuels, les rendant plus réalistes et imprévisibles, préparant ainsi les étudiants à la variabilité des environnements cliniques réels.22
10. Découverte et développement de médicaments
Les LLMs accélèrent la recherche pharmaceutique en raccourcissant les cycles de développement et en réduisant le coût de mise sur le marché de nouveaux composés. Ces models peuvent :
- Analyser des structures moléculaires complexes et signaler les composés ayant un potentiel thérapeutique.
- Prédire le profil d'efficacité et de sécurité des médicaments candidats avant les tests en laboratoire.
- Suggérer de nouvelles configurations moléculaires visant des cibles thérapeutiques spécifiques.
- Optimiser les composés chefs de file pour améliorer la pharmacocinétique et réduire les effets secondaires.
Les models de langage chimique, un sous-ensemble de LLMs construits spécifiquement pour les applications pharmaceutiques, ont produit des résultats mesurables dans la conception de médicaments de novo. La recherche indique que les models à démarrage à chaud (ceux initialisés à partir de models de langage biochimiques pré-entraînés) génèrent des composés de meilleure qualité que les approches de base.23
11. Radiologie et imagerie médicale
Les LLMs multimodaux qui traitent à la fois le texte et les images peuvent examiner des images médicales parallèlement aux données cliniques pour soutenir la détection d'anomalies et contribuer à des interprétations diagnostiques plus précises.
- Interprétation d'images : Des models tels que Med-Flamingo et LLaVA-Med analysent les images médicales dans un contexte clinique, soutenant les radiologues dans la détection précoce de pathologies visibles sur les radiographies thoraciques, les IRM et les scanners CT.
- Génération automatisée de rapports : Des systèmes comme ChatCAD génèrent des rapports de radiologie directement à partir des données d'imagerie, répondant à l'une des tâches les plus chronophages dans les services d'imagerie à haut volume.
12. Littératie en santé et accessibilité linguistique
Un fossé pratique dans les soins aux patients est la distance entre le langage clinique et le langage que les patients utilisent pour décrire leur propre santé. Les LLMs peuvent aider à combler ce fossé en :
- Traduisant la terminologie et le jargon médicaux en langage simple, adapté au niveau de lecture du patient.
- Comblant les différences linguistiques entre les patients et les prestataires dans des contextes de soins multilingues.
- Expliquant les options de traitement, les résultats de tests et les plans de soins dans des formats exploitables par les patients.
Une meilleure compréhension du patient est associée à une meilleure adhérence au traitement et à de meilleurs résultats, ce qui en fait une application de qualité des soins autant qu'une application de communication.
Ajouter comme source préféréeDéfis des LLMs dans la santé
Préoccupations relatives à la confidentialité
L'utilisation d'applications de santé basées sur des LLMs qui n'ont pas été correctement développées, testées ou approuvées pour un usage médical peut poser des risques importants pour les utilisateurs, particulièrement concernant la confidentialité des données.
Ces outils traitent souvent des informations de santé sensibles fournies par l'utilisateur, pourtant il n'est pas toujours clair comment ces données sont stockées, partagées, ou si les applications sont pleinement conformes aux lois et réglementations existantes sur la protection des données.24
Précision et fiabilité
Les LLMs sont également sujets aux hallucinations, des informations qui semblent plausibles mais sont incorrectes ou trompeuses.
Par exemple, face à une requête médicale, GPT-3.5 a recommandé à tort la tétracycline pour une patiente enceinte, malgré une explication correcte de son danger potentiel pour le fœtus.25
Figure 8 : Un exemple de GPT-3.5 montrant la recommandation incorrecte d'un médicament.
Généralisation vs spécialisation
Un LLM entraîné sur des données médicales générales pourrait ne pas posséder l'expertise détaillée nécessaire pour des spécialités médicales spécifiques.
Biais et considérations éthiques
Au-delà de la précision, il existe des préoccupations éthiques, comme le potentiel des LLMs à perpétuer des biais présents dans leurs données d'entraînement. Cela pourrait entraîner des recommandations de soins inégales pour différents groupes démographiques.
Pour plus de détails sur les défis des large language models, lisez les risques de l'IA générative et l' éthique de l'IA générative.
L'avenir des LLMs dans la santé
L'analyse de Stanford indique qu'il existe un potentiel inexploité significatif pour les LLMs dans la santé.26
Alors que de nombreux LLMs ont été utilisés pour des tâches telles que l'augmentation des diagnostics ou la communication avec les patients, moins se sont concentrés sur les tâches administratives qui contribuent au burn-out des cliniciens.
À l'avenir, les LLMs pourraient évoluer pour interagir avec le comportement, plus de contexte et les émotions, leur permettant de fournir un soutien plus personnalisé et empathique.
Méthodologie des large language models dans la santé
Méthodologie du benchmark : Ce benchmark évalue 9 LLMs généralistes populaires sur des questions médicales de niveau universitaire en utilisant le dataset MedQA, dont le contenu est tiré de l' United States Medical Licensing Examination (USMLE). Chaque question comprend un scénario clinique et des options de réponse à choix multiples.
Sorties LLM : Chaque model a été sollicité pour renvoyer une réponse structurée (par exemple, « Réponse : C »).27
Latence : Le temps moyen qu'un model prend pour générer une réponse à un seul prompt MedQA. Par exemple, si 100 questions prennent 1 115 secondes au total, la latence moyenne est de 11,15 secondes par question.
Sources de données du benchmark des LLMs de santé
Citer cette recherche
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Comparer 9 Large Language Models dans le domaine de la santé}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/large-language-models-in-healthcare}},
note = {AIMultiple. Consulté le 21 Mai 2026}
}Liens de référence
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.