Université de Lille Le centrisme américain dans la capacité des grands modèles de langage à suivre des recommandations de neuroimagerie Large Language Model intelligence artificielle recommandations d’imagerie neuroradiologie centrisme américain 610 Imagerie médicale Système nerveux -- Radiographie Grands modèles de langage Intelligence artificielle en médecine Recommandations pour la pratique clinique Neuroimagerie Systèmes d'information de radiologie Traitement du langage naturel Intelligence artificielle Guides de bonnes pratiques cliniques comme sujet Contexte : Les grands modèles de langage sont de plus en plus explorés comme outils d’aide à la décision en imagerie médicale. Cependant, leur capacité à s’aligner sur des recommandations spécifiques à chaque pays, qui divergent souvent, demeure incertaine. Matériel et Méthodes : Trente vignettes cliniques dérivées de recommandations internationales contradictoires ont été présentées à trois modèles de pointe selon deux modalités : une modalité implicite, dans laquelle aucune recommandation n’était spécifiée et les vignettes étaient fournies en anglais et en français ; et une modalité explicite, dans laquelle les invites demandaient aux modèles de suivre une recommandation spécifique à un pays. Les performances ont été évaluées par rapport à la recommandation cible et des stratégies d’atténuation ont été testées. Résultats : En situation implicite, tous les modèles ont favorisé les recommandations américaines, dans 27 scénarios sur 30 (90,0 % ; IC à 95 %, 74,4–96,5). En situation explicite, l’adhésion aux recommandations non américaines a chuté nettement pour l’ensemble des modèles. La fourniture du texte complet des recommandations s’est révélée être la stratégie d’atténuation la plus efficace, rétablissant des taux de précision supérieurs à 90 % pour tous les modèles. Conclusion : À travers les langues et les origines des modèles, les LLMs ont montré un biais systématique en faveur des directives américaines en neuroradiologie, même lorsqu'ils étaient explicitement instruits de ne pas le faire. Ce centrage sur les États-Unis reflète probablement des déséquilibres dans les données d'entraînement et soulève des inquiétudes quant à un déploiement mondial sûr. Des stratégies de contextualisation locale sont nécessaires pour garantir un support décisionnel clinique approprié au contexte. Electronic Thesis or Dissertation Text fr application/pdf 1 : 0 Ko https://pepite-depot.univ-lille.fr/LIBRE/Th_Medecine/2026/2026ULILM021.pdf Bazerbachi Naël 1998-06-16 FR 295216395 2026ULILM021 2026-01-30 Médecine. Radiodiagnostic et imagerie médical Université de Lille (2022-...) thesis.degree.grantor_1 259265152 Doctorat de médecine non oui Le Guellec Bastien intervenant_1 252740688 ddc:610 Le Guellec Bastien Université de Lille (2022-...) Université de Lille Unicode PDF 50