Les comptes rendus radiologiques rédigés par IA fiables selon les médecins, plus compréhensibles pour les patients

Les comptes rendus d'examens de radiologie rédigés par une intelligence artificielle (IA) de type grand modèle de langage (LLM) semblent être précis et complets, selon des médecins, et à la fois plus lisibles et plus compréhensibles pour les patients, selon une étude internationale publiée dans The Lancet Digital Health.

Les comptes rendus radiologiques sont rédigés par le radiologue à l'attention du médecin qui a demandé l'examen, donc dans des termes médicaux et techniques. Cependant, les patients y ont accès et les lisent, ce qui suscite de la confusion et de l'anxiété, en attendant de revoir leur médecin pour les comprendre. Certains interprètent ces résultats de manière erronée, ce qui les pousse à recourir au système de santé, expliquent Samer Alabed de l'université de Sheffield et ses collègues.

Selon eux, il est nécessaire que les patients puissent comprendre ces comptes rendus mais il est impossible pour les radiologues de rédiger une telle version en raison de la charge de travail. La radiologie est un domaine où l'IA s'est fortement développée, en particulier pour l'analyse des images, et en médecine, les LLM sont de plus en plus étudiés pour produire des comptes rendus de consultation. Mais aucun des 1.000 outils d'IA homologués aux Etats-Unis en radiologie ne comporte un LLM pour produire des rapports cliniques.

Dans cette étude, les chercheurs ont exploré la littérature et, après une revue systématique de la littérature, ils ont identifié 38 études portant sur l'utilisation de LLM pour simplifier les comptes rendus radiologiques.

Dans la grande majorité de ces études, les outils GPT d'OpenAI ont été utilisés (92%) et les rapports étaient rédigés en anglais (76%). Un total de 12.922 rapports simplifiés ont été générés par IA, évalués par 508 personnes, dont 387 profanes et 121 cliniciens (66% des radiologues, 23% des médecins et 9% des chirurgiens orthopédistes).

Ces derniers ont considéré que les comptes rendus rédigés par LLM étaient à la fois exacts et complets, avec un score poolé de Likert moyen de respectivement 4,45 et 4,53 points sur une échelle de 0 à 5 points.

Du côté des patients ou des profanes, la compréhension des rapports s'est améliorée, avec un score poolé de Likert de 4,04 points en moyenne pour les comptes rendus rédigés par LLM, contre 2,16 points pour ceux initialement rédigés par les radiologues. Le score de satisfaction des patients était amélioré.

La confiance des patients dans les rapports rédigés par IA était similaire à celle mesurée pour les rapports des radiologues, avec un score de Likert de respectivement 4,09 et 4,48 points.

Les chercheurs notent toutefois que le taux d'erreurs dans les comptes rendus simplifiés était de 7,2%, avec toutefois un taux de 0,9% pour les erreurs cliniquement significatives, c'est-à-dire qui pourraient avoir des conséquences sur le diagnostic ou l'évaluation de la sévérité.

À leur connaissance, il s'agit de la première revue de la littérature et méta-analyse sur l'usage des LLM pour améliorer la compréhension des comptes rendus radiologiques pour les patients. Les résultats suggèrent que le recours à l'IA pour simplifier les rapports des radiologues semble améliorer la compréhension par les patients tout en maintenant une précision clinique, concluent les chercheurs.

L'évaluation doit encore se poursuivre mais le développement responsable de cet outil pourrait en faire une pierre angulaire de la communication avec le patient en radiologie, ajoutent-ils.

D'après une dépêche publiée dans APMnews le 18 février 2026.