← Toutes les innovations et découvertes
IA médicale : mieux diagnostiquer sans mémoriser les données des patients
Une étude de Yale montre qu'adapter les modèles d'IA à la médecine améliore le diagnostic, mais qu'ils retiennent aussi des données sensibles. Des pistes pour une IA plus sûre.
L'intelligence artificielle progresse vite en médecine, et la recherche s'attache à la rendre à la fois plus performante et plus sûre. Une étude de chercheurs de l'Université Yale, publiée dans Nature Communications et présentée le 14 septembre 2026, éclaire ce double enjeu.
Qingyu Chen et Anran Li ont étudié la manière dont on adapte les grands modèles de langage à la médecine : entraînement sur des textes médicaux, puis sur des questions-réponses médicales, puis sur plus de 13 000 dossiers cliniques, dans un environnement sécurisé. Ils ont utilisé dix jeux de données et relu à la main des milliers de réponses.
Un gain réel pour le diagnostic
Bonne nouvelle : cet affinage améliore le diagnostic. Pour l'un des modèles, la bonne réponse arrive en tête dans 54,8 % des cas, contre 48,6 % auparavant, avec un gain de plus de dix points en cardiologie et en néphrologie.
Mais les chercheurs montrent aussi que les modèles mémorisent une partie de ce qu'ils ont appris, y compris, dans certains cas, des informations sensibles sur les patients. Ils distinguent une mémorisation utile, les connaissances médicales, d'une mémorisation inutile et d'une mémorisation dangereuse, celle des données personnelles. Ce travail, mené en conditions de recherche, fournit des outils pour concevoir des IA médicales performantes et respectueuses de la confidentialité, un enjeu essentiel partout où les données de santé sont protégées.