Development and Validation of a Localized Large Language Model for Preoperative Anesthesia Planning: Protocol for a Retrospective Observational Study and Clinical Turing Test
Cet article expose un protocole pour le développement et la validation d'un grand modèle de langage localisé, affiné sur 3 000 dossiers d'anesthésie historiques de l'hôpital Istishari, afin de générer des plans d'anesthésie préopératoires évalués par rapport aux normes d'experts humains pour la sécurité et l'exactitude lors d'un « Test de Turing clinique » rétrospectif.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Avant qu'un patient n'entre en salle d'opération, un anesthésiste doit accomplir une tâche mentale complexe : il prend l'historique médical d'une personne, ses signes vitaux actuels et les exigences spécifiques de la chirurgie à venir, puis ile trame ces faits en un plan unique et sûr pour maintenir le patient endormi et sans douleur. Ce processus nécessite une pensée rapide et des connaissances approfondies, mais il est également sujet à l'erreur humaine, surtout lorsque les médecins sont fatigués ou lorsque différents médecins interprètent la même information de manières légèrement différentes. Ces dernières années, les ordinateurs ont commencé à aider pour les tâches médicales, principalement en prédisant des événements comme des chutes de tension artérielle ou en gérant automatiquement les pompes à médicaments. Cependant, un nouveau type de programme informatique, connu sous le nom de modèle de langage étendu, est apparu avec une capacité différente. Ces programmes peuvent lire de vastes quantités de texte et écrire de nouveaux textes qui ressemblent à ceux d'un expert humain. Bien que ces outils soient déjà utilisés pour l'étude et les tests, personne n'a encore prouvé qu'ils pouvaient écrire en toute sécurité un plan médical réel et personnalisé pour un hôpital spécifique, en utilisant les propres règles et habitudes de cet hôpital, sans commettre d'erreurs dangereuses.
Un chercheur de l'hôpital Istishari à Amman, en Jordanie, s'est donné pour mission de tester cette idée. Il voulait voir s'il pouvait apprendre à un ordinateur à agir comme un anesthésiste senior en le nourrissant de milliers de cas réels passés de son propre hôpital. Son objectif était de créer un « interne numérique », un programme informatique spécialisé, capable de rédiger un plan d'anesthésie complet tout comme le ferait un humain. Pour ce faire, il a rassemblé 3 000 dossiers historiques de patients ayant subi une chirurgie. Ces dossiers n'étaient pas des fichiers numériques mais des documents papier physiques contenant des notes sur la taille, le poids, l'historique cardiaque et les conditions pulmonaires du patient, ainsi que sur les médicaments exacts et les outils de gestion des voies respiratoires que l'équipe humaine avait utilisés pendant l'opération. Une équipe de jeunes médecins et d'internes a lu manuellement chaque dossier papier, recopiant l'information dans une base de données numérique sécurisée. Ils ont fait attention à supprimer tous les noms et détails identifiables, ne laissant que les faits médicaux et les plans de traitement qui en résultaient.
Une fois cette vaste collection de données prête, le chercheur l'a utilisée pour entraîner un modèle informatique puissant. Il a donné l'instruction au modèle d'apprendre les schémas de la manière dont leur hôpital spécifique gère l'anesthésie. L'ordinateur a reçu l'ordre d'agir comme un consultant senior de cet hôpital et de rédiger un nouveau plan pour tout patient en se basant sur les données qu'il a apprises. Le plan devait couvrir quatre domaines principaux : comment préparer le patient avant la chirurgie, comment l'endormir et gérer sa respiration, comment le stabiliser pendant la procédure, et comment le réveiller et gérer sa douleur après coup. Le chercheur ne s'est pas contenté de laisser l'ordinateur deviner ; il a construit le système sur les décisions réelles et réussies prises par les médecins humains de leur propre institution, espérant ainsi empêcher l'ordinateur d'inventer des faits ou de suggérer des traitements qui n'existent pas dans leur hôpital.
Pour voir si le travail de l'ordinateur était de qualité, le chercheur a organisé un test en aveugle, similaire à un défi où une personne tente de deviner lequel de deux auteurs est humain et lequel est une machine. Il a pris un ensemble de cas de patients et les a présentés à un groupe d'anesthésistes seniors. Pour chaque cas, les experts recevaient deux plans différents : l'un était le plan original écrit par un médecin humain des années auparavant, et l'autre était le nouveau plan écrit par l'ordinateur. Les experts ne savaient pas lequel était lequel. On leur a demandé de juger les plans en fonction de la sécurité, en vérifiant l'absence d'erreurs dangereuses, et de la complétude, en s'assurant que toutes les étapes nécessaires étaient incluses. Enfin, ils devaient deviner quel plan avait été écrit par l'ordinateur.
L'étude est actuellement un protocole, ce qui signifie qu'il s'agit du plan détaillé de la manière dont la recherche sera menée, plutôt que d'un rapport de résultats finaux. Le chercheur propose que si leur modèle informatique est entraîné sur ces 3 000 cas locaux réels, il produira des plans aussi sûrs et précis que ceux rédigés par des experts humains. Ils croient que cette approche réduira le risque que l'ordinateur n'invente des informations, un problème connu sous le nom d'« hallucination », car l'ordinateur est ancré dans la réalité des pratiques de leur propre hôpital. Si le test montre que les experts ne peuvent pas faire la différence entre les plans humains et informatiques, cela suggère que cette technologie pourrait un jour aider les médecins en gérant la lourde charge mentale de la rédaction de plans de routine, leur permettant de se concentrer davantage sur le patient et moins sur la paperasse. Le projet vise également à transformer la tâche difficile de lecture de milliers de vieux dossiers papier en une expérience d'apprentissage pour les jeunes médecins qui effectuent la saisie des données, les forçant à étudier les décisions de leurs mentors tout en construisant la base de données.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.