L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (computational biology) · 2026-10-22
Grands modèles de langage pour la modélisation prédictive clinique multimodale : une revue systématique
Titre original: Large language models for multimodal clinical predictive modeling: a systematic review
Les dossiers médicaux électroniques (EHR) contiennent à la fois des données structurées et non structurées, et l'émergence des grands modèles de langage a permis d'incorporer les modalités non structurées dans des modèles prédictifs construits sur les données des EHR. Sur 641 études examinées, 57 répondaient aux critères d'inclusion, et la revue a identifié trois stratégies d'intégration multimodale fondées sur les LLM : l'embedding, l'extraction et la fusion de texte. Toutes les stratégies ont apporté des gains de performance par rapport aux modèles unimodaux, avec une augmentation moyenne de 6,4 %, et les auteurs évoquent des considérations incluant la taille des échantillons, l'interprétabilité et les coûts de calcul.