Are Large Multimodal Models Ready for Post-Thrombectomy mTICI Assessment? A Comparison with Physicians
Bien que les grands modèles multimodaux puissent atteindre un niveau d'accord équivalent à celui des médecins pour le classement mTICI post-thrombectomie lorsqu'ils sont fournis avec des comptes rendus opératoires, leurs performances dépendent fortement de l'entrée textuelle et s'effondrent considérablement lors de l'évaluation des images seules, indiquant que l'interprétation humaine experte demeure essentielle pour l'évaluation directe de la reperfusion par l'image.
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
Chaque année, des millions de personnes souffrent d'AVC causés par une artère obstruée dans le cerveau. Lorsqu'un gros vaisseau est bouché, les dommages peuvent être rapides et graves, mais les médecins disposent d'un outil puissant pour y remédier : la thrombectomie mécanique. Lors de cette procédure, un spécialiste insère un dispositif minuscule à travers les vaisseaux sanguins pour extraire physiquement le caillot. Le succès de cette opération vitale dépend entièrement d'une seule chose : si le flux sanguin est pleinement rétabli dans le cerveau. Pour mesurer cela, les médecins utilisent une échelle standard qui évalue la qualité du dégagement des vaisseaux, allant d'une absence totale de flux à une restauration complète. Cette notation est critique car elle détermine la manière dont les patients sont traités par la suite, la façon dont les hôpitaux évaluent leur succès et la compréhension des chercheurs sur ce qui fonctionne le mieux. Cependant, l'attribution de ces notes est une tâche humaine et, comme beaucoup de jugements humains, elle peut varier d'un médecin à l'autre. À mesure que l'intelligence artificielle s'est développée, une question naturelle a émergé : un ordinateur peut-il regarder les mêmes images et rapports qu'un médecin et rendre le même jugement avec une compétence égale ?
Une équipe de chercheurs de l'Hôpital Universitaire de Regensburg en Allemagne s'est donné pour mission de répondre à cette question en opposant des modèles informatiques avancés à des experts humains. Ils ont rassemblé quatre-vingt-dix cas de patients ayant subi la procédure de retrait de caillot pour une obstruction dans la partie antérieure du cerveau. Pour chaque cas, ils ont collecté les images d'angiographie numérique prises avant et après le retrait du caillot, ainsi que le rapport médical écrit décrivant le déroulement de la chirurgie. Ils ont ensuite demandé à deux types différents de systèmes d'intelligence artificielle de noter le succès de la procédure. L'un était un modèle à usage général, reconnu pour sa vaste connaissance, tandis que l'autre était un modèle spécifiquement adapté aux tâches médicales. Pour garantir un test équitable, les chercheurs ont également demandé à quatre médecins — deux neurologues et deux radiologues — de noter les mêmes cas. Les médecins et les ordinateurs ont été testés selon trois scénarios différents : en regardant uniquement le rapport écrit avec la note finale masquée, en regardant uniquement les images d'angiographie, et en regardant à la fois les images et le rapport.
Les résultats ont révélé une division nette entre ce que les ordinateurs pouvaient faire avec les mots et ce qu'ils pouvaient faire avec les images. Lorsque les modèles d'intelligence artificielle recevaient les rapports procéduraux écrits, ils performaient de manière remarquable. Le modèle à usage général, en particulier, égalait la précision du groupe de médecins humains réunis. Il pouvait lire les descriptions détaillées de la chirurgie et identifier correctement la quantité de flux sanguin qui avait été restaurée, atteignant un niveau d'accord avec les experts virtuellement indiscernable. Dans ce cadre textuel, l'ordinateur était tout aussi fiable que les spécialistes humains. Cependant, dès que les images étaient retirées de l'équation et que les modèles étaient contraints de noter la procédure en se basant uniquement sur le rapport écrit, ils restaient performants. Mais lorsque la situation s'est inversée et que les modèles ont été forcés de regarder uniquement les images d'angiographie sans aucun texte d'accompagnement, leurs performances se sont effondrées. La capacité du modèle à usage général à s'accorder avec les experts humains a chuté de manière significative, et le modèle adapté au domaine médical a été encore moins performant, supposant essentiellement que presque toutes les procédures avaient réussi, quel que soit ce que montraient les images.
Les médecins humains, en revanche, n'ont pas subi cette baisse de performance. Qu'ils lisent le rapport ou qu'ils regardent les images, leur capacité à noter la procédure est restée constamment élevée. Cela suggère que, bien que les systèmes d'intelligence artificielle soient excellents pour traiter le langage utilisé par les médecins pour décrire leur travail, ils n'ont pas encore appris à véritablement « voir » les motifs complexes du flux sanguin dans les images comme le fait un spécialiste formé. L'étude indique que ces modèles agissent actuellement davantage comme des lecteurs sophistiqués capables d'extraire des informations d'un récit que comme des observateurs indépendants capables d'interpréter des données visuelles. Les chercheurs ont constaté que les modèles tiraient presque tout leur succès du texte ; ajouter les images au texte n'améliorait pas leurs scores, et retirer le texte les laissait en difficulté.
En fin de compte, l'étude conclut que ces modèles informatiques avancés sont prêts à assister pour les aspects administratifs et l'extraction de données de la prise en charge des AVC, tels que l'extraction automatique des notes de succès à partir des rapports écrits pour la recherche ou le contrôle de la qualité. Ils peuvent aider à standardiser la manière dont les informations sont enregistrées. Cependant, ils ne sont pas encore prêts à remplacer l'œil humain lorsqu'il s'agit d'examiner les images elles-mêmes. Pour l'évaluation directe de savoir si un vaisseau sanguin a été ouvert avec succès, l'expertise visuelle d'un médecin formé reste essentielle. La technologie a atteint un point où elle peut comprendre l'histoire de la chirurgie, mais elle ne peut pas encore voir l'image.
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.