Lire la recherche IA × médecine, mieux.
Tatakoto décrypte les publications scientifiques sur l'intelligence artificielle appliquée à la santé. Transformer pour la détection de cancer, foundation models en imagerie médicale, LLMs en raisonnement clinique. Chaque article dit ce que l'étude trouve, ce qu'elle ne dit pas, et ce qui change.
GPT-4 en radiologie : pourquoi le format d'explication d'un LLM change la précision diagnostique des médecins
Décryptage du papier npj Digital Medicine 2026 de Spitzer et al. : essai randomisé sur 101 radiologues comparant trois formats d'explication de GPT-4. Le chain-of-thought apporte 12,2 points de précision, le diagnostic différentiel induit un biais d'automatisation. Implications pour le déploiement clinique des LLMs.
Mirai en mammographie au filet de sécurité : ce que change un déploiement prospectif d'IA de risque dans un hôpital public américain
Décryptage du papier npj Digital Medicine 2026 sur le déploiement prospectif de Mirai à Zuckerberg San Francisco General. Workflow accéléré pour les patientes flaguées à haut risque, 99 % de réduction des délais de diagnostic, et ce que ça change vraiment en safety-net.
GigaPath en pathologie numérique : ce que change un foundation model entraîné sur 1,3 milliard de tuiles
Décryptage du papier Nature 2024 sur Prov-GigaPath, foundation model transformer pour la pathologie numérique. Architecture, données, performance sur 26 benchmarks de cancer, et ce que cela change vraiment pour le diagnostic.