L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (computational biology) · 2026-10-16
Un cadre de validation en plusieurs étapes pour une extraction fiable d'informations cliniques à grande échelle à l'aide de grands modèles de langage
Titre original: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
La validation des grands modèles de langage pour l'extraction d'informations cliniques nécessite généralement une annotation manuelle coûteuse. Les auteurs ont proposé un cadre en plusieurs étapes combinant filtrage par règles, ancrage sémantique, évaluation par un LLM juge, revue par des experts et analyse de la validité prédictive. Appliqué aux diagnostics de troubles liés à l'usage de substances dans 919 783 notes cliniques, il a écarté 14,59 % des extractions positives du LLM comme non étayées ou invraisemblables. Le LLM principal a obtenu un score F1 de 0,80 par rapport aux évaluations du juge, et les diagnostics qu'il a extraits prédisaient mieux l'engagement ultérieur dans des soins spécialisés que les références fondées sur des données structurées.