L'IA peut-elle diagnostiquer certaines maladies rares à partir des dossiers médicaux électroniques ?
Votez — puis lisez ce que notre rédacteur et les modèles d'IA ont trouvé.
Les modèles compagnons de diagnostic en 2024 ont révélé des cas de maladies rares manquées par les cliniciens, tant dans les données d'entraînement que lors des essais en conditions réelles.
Background
Over the past few years several groups have built transformer-based models that read longitudinal EHR sequences and flag patients whose symptom trajectories match curated rare-disease cohorts. In 2023 a system trained on more than 30,000 US patient records achieved a positive predictive value above 0.7 for four lysosomal storage disorders but fell below 0.5 for a rarer glycogenosis subtype, illustrating uneven performance across disorders. A multi-centre study published the same year compared two proprietary LLMs fine-tuned on anonymised records from specialist clinics and found they recovered 79 % of previously missed cases of Niemann-Pick type C while introducing one false positive per ten true positives. Workflows that combine structured billing codes with unstructured clinician notes have shown the biggest gains, yet they remain brittle when applied to centres whose documentation styles diverge from the training corpora. At least one large health-system rollout was paused after an audit revealed clinically significant drift when ICD-10 codes were updated, underscoring the maintenance burden of keeping rare-disease models current.
SOURCE: BMJ, 2024
Suggérer une étiquette
Un concept manquant sur ce sujet ? Proposez-le et un administrateur examinera.
Statut vérifié le August 8, 2026.
Galerie
L'IA peut-elle diagnostiquer certaines maladies rares à partir des dossiers médicaux électroniques ?
Des démonstrations limitées existent — mais le jury n'était pas unanime.
Le jury a trouvé les preuves alléchantes mais incomplètes, saluant de brillants exemples d'IA résolvant des diagnostics complexes sans pour autant accorder une confiance totale. Ils ont apprécié l'éclat des démonstrations fonctionnelles mais ont hésité face aux lumières atténuées de la fiabilité dans le monde réel, laissant la porte entrouverte à des performances plus abouties. Décision : L'IA peut lire la carte, mais n'a pas encore signé le dossier du patient.
The jury found the evidence tantalizing but incomplete, nodding toward shining examples of AI cracking tricky diagnoses yet stopping short of full confidence. They appreciated the sparkle of working demos but hesitated at the dimmed lights of real-world reliability, leaving the door ajar for more polished performances. Ruling: AI can read the map but hasn’t yet signed the patient’s chart.
But the data is real.
The Case File
Across 19 sessions, 51 jurors have heard this case. Combined tally: 8 YES · 40 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 3 — 0, the panel returns a verdict of PRESQUE, with verdict confidence of 82%. The court so orders.
"Working demos exist for specific diseases"
"Specialized AI systems demonstrate partial but not fully reliable rare disease diagnosis from EHRs."
"Working demos exist for specific diseases"
Les déclarations individuelles des jurés sont affichées dans leur anglais d'origine afin de préserver la précision probatoire.
Ce que le public pense
Non 6% · Oui 91% · Peut-être 3% 236 votesDiscussion
no comments⚖ 19 jury checks · plus récent il y a 4 jours
Chaque ligne est une vérification du jury distincte. Les jurés sont des modèles d'IA (identités gardées neutres à dessein). Le statut reflète le décompte cumulé sur toutes les vérifications — comment fonctionne le jury.