Défis et solutions pour appliquer les grands modèles de langage aux plans de prise en charge fondés sur les recommandations et au codage médical automatisé : développement et validation d’algorithmes

Cette étude présente et évalue 2 méthodes fondées sur les LLM, intégrées à la plateforme Rhazes Clinician pour répondre à ces difficultés : la génération augmentée par recherche assistée par génération (GARAG), qui automatise l’élaboration de plans thérapeutiques fondés sur les données probantes, et la recherche vectorielle assistée par génération (GAVS), qui automatise le codage médical.

Contexte : Les erreurs diagnostiques et la charge administrative, notamment le codage médical, restent des difficultés majeures dans les soins. Les grands modèles de langage (LLM) pourraient contribuer à les réduire, mais leur adoption a été freinée par des préoccupations concernant leur fiabilité, leur transparence et la sécurité clinique.

Objectif : Cette étude présente et évalue 2 méthodes fondées sur les LLM, intégrées à la plateforme Rhazes Clinician pour répondre à ces difficultés : la génération augmentée par recherche assistée par génération (GARAG), qui automatise l’élaboration de plans thérapeutiques fondés sur les données probantes, et la recherche vectorielle assistée par génération (GAVS), qui automatise le codage médical.

Méthodes : GARAG a été évalué sur 21 cas cliniques de test conçus par des auteurs titulaires d’une qualification médicale. Chaque cas a été traité 3 fois indépendamment. Les réponses ont été évaluées selon 4 critères : exactitude des références, absence de doublons, respect du format et pertinence clinique du plan de prise en charge généré. GAVS a été évalué sur 958 hospitalisations sélectionnées au hasard dans la base Medical Information Mart for Intensive Care (MIMIC)–IV, dont les codes de la Classification internationale des maladies, dixième révision (ICD-10) utilisés pour la facturation servaient de référence. Deux approches ont été comparées : une approche de base demandant directement à GPT-4.1 de prédire des codes ICD-10 sans contrainte, et GAVS, dans laquelle GPT-4.1 générait des entités diagnostiques, chacune associée par recherche vectorielle aux 10 codes ICD-10 les plus pertinents.

Résultats : Sur les 63 réponses, 62 (98,4 %) satisfaisaient à tous les critères d’évaluation. La seule exception était une légère incohérence dans l’ordre des éléments lors d’une répétition du cas 14. Pour GAVS, les 958 hospitalisations comportaient 8576 codes de sous-catégorie ICD-10 attribués, dont 1610 distincts. Le LLM utilisé seul a produit 131 329 codes candidats, contre 136 920 pour GAVS. Au niveau des sous-catégories, le LLM seul a obtenu un rappel moyen de 17,95 % (15,86 % après pondération), contre 20,63 % pour GAVS (18,62 % après pondération), soit une amélioration statistiquement significative (P<0,001). Au niveau des catégories, les performances se rejoignaient : rappel moyen pondéré de 32,60 % contre 32,58 % ; P=0,99.

Conclusions : GARAG a démontré un processus qui fonde les plans de prise en charge sur des recommandations évaluées par les pairs et propres à chaque diagnostic, tout en préservant la finesse des détails cliniques lors de la recherche documentaire. GAVS a significativement amélioré le rappel du codage diagnostique détaillé par rapport à l’utilisation directe d’un LLM. Ensemble, ces méthodes illustrent la manière dont les approches fondées sur les LLM peuvent améliorer l’aide à la décision clinique et le codage médical. Elles ont ensuite été intégrées à Rhazes Clinician, une application web destinée aux professionnels de santé qui coordonne des agents LLM faisant appel à des outils spécialisés, réunis dans une interface unique pour les médecins. Des validations indépendantes supplémentaires et des études à grande échelle sont nécessaires pour confirmer que ces résultats sont généralisables et évaluer les effets sur la santé des patients.

JMIR Biomed Eng 2025;10:e66691

doi:10.2196/66691