Ces dernières années, l'intelligence artificielle fait de plus en plus confiance en la médecine, mais la plupart des systèmes travaillent avec des données textuelles ou des tâches individuelles. La nouvelle recherche de Google porte la conversation à un niveau différent: l'entreprise a testé son système expérimental AMIE sur des consultations vidéo en direct, et les résultats étaient comparables au travail des médecins praticiens. Cela ne signifie pas que l'IA est prête à remplacer les médecins, mais elle peut déjà effectuer des examens et recueillir des antécédents médicaux au niveau d'un spécialiste des soins primaires.
Ce que l'étude a montré
L'essai a impliqué 15 acteurs professionnels qui ont joué des patients avec des plaintes dans cinq domaines : problèmes cardio-pulmonaires, douleurs abdominales, symptômes ENT et oculaires, troubles neurologiques et psychiatriques, ainsi que des pathologies musculosquelettiques. Chaque consultation a eu lieu dans un format vidéo synchrone : AMIE a rencontré l'acteur en temps réel, posé des questions, et a tenté d'effectuer un examen virtuel.
Un groupe indépendant de 20 médecins de soins primaires expérimentés a évalué ces dialogues au moyen de rubriques cliniques normalisées. La surprise a été que les scores de l'IA étaient comparables à ceux des médecins vivants travaillant dans le même régime. Cela s'applique non seulement à la collecte des plaintes, mais aussi à l'exactitude du diagnostic, à la pertinence des recommandations et à la qualité de la communication. Le format vidéo a également gagné un avantage par rapport au chat texte: les médecins ont évalué le système travaillant avec un flux vidéo plus élevé pour identifier des signes physiques et guider les acteurs à travers des examens virtuels. Les acteurs eux-mêmes préféraient aussi la vidéo, qu'ils trouvaient plus pratique et plus efficace pour décrire les problèmes, et ils ont noté un niveau élevé d'empathie et de confiance dans le traitement.
Comment fonctionne AMIE
Le secret de son succès réside dans une architecture inhabituelle. AMIE utilise un système multi-agents asynchrone où trois agents indépendants sont responsables du processus. Le premier, Parleur, mène directement la conversation avec le patient: sa tâche est de maintenir le dialogue, de poser des questions claires et de répondre aux déclarations. Le second agent, planificateur, travaille tranquillement en arrière-plan : il met continuellement à jour le diagnostic différentiel et le plan de traitement, suit les données manquantes et ajuste la stratégie d'interrogation. La troisième...perception— manie la détection: elle analyse les flux vidéo et audio, capte les signaux non verbaux, enregistre les signes physiques visibles et même les sons tels que la toux ou la respiration.
Cette division du travail permet à l'agent de parler de répondre presque instantanément sans attendre que les calculs de fond lents finissent. En conséquence, la conversation se sent naturelle, sans pauses, tandis que tout le travail intelligent se passe dans les coulisses. Il s'agit d'une différence clé par rapport aux chatbots conventionnels, qui traitent une demande en entier et ne renvoient une réponse qu'à ce moment-là.
Méthodologie et résultats
L'étude a été conçue comme un essai multibras randomisé. Vidéo synchrone AMIE a été comparée avec une version texte du même système et avec un groupe de dix médecins de soins primaires certifiés utilisant la même interface vidéo. Toutes les consultations ont ensuite été évaluées aveuglément par un groupe d'experts en fonction de deux ensembles de critères : la compétence clinique globale et les compétences propres à chaque scénario.
De plus, Google a développé une suite d'évaluation automatisée basée sur une taxonomie des compétences en télémédecine. Il a été utilisé pour tester des tâches de perception particulières – par exemple, la capacité de distinguer les côtés anatomiques ou de remarquer des signes de détresse respiratoire. Dans certaines simulations, l'information visuelle a été fournie sous forme de descriptions textuelles pour tester les compétences en dialogue sans flux vidéo de bout en bout. Cela a permis d'identifier rapidement les faiblesses du système et d'affiner sa conception avant le procès avec les acteurs.
L'évaluation finale a montré que chacun des trois agents contribue à l'amélioration des paramètres cliniques : prise d'antécédents, raisonnement clinique, recommandations de traitement, communication et latence de réponse. Vidéo AMIE soit jumelé ou surpassé médecins à travers toutes les mesures clés et a surperformé la version texte dans la plupart des aspects. La seule zone où la vidéo était décalée était peut-être la vitesse, mais même cet indicateur s'est révélé acceptable.
Limites et perspectives
Malgré les résultats impressionnants, les auteurs de l'étude eux-mêmes mettent en garde contre de graves limitations. Le principal est que les acteurs ne peuvent pas transmettre pleinement la variabilité des patients réels : leurs symptômes, leur comportement, leur qualité de connexion, leur environnement et leurs antécédents médicaux s'étendent toujours au-delà d'un scénario préparé. De plus, les cas où la perception audiovisuelle pouvait fournir des informations diagnostiques particulièrement importantes étaient délibérément exclus des scénarios, simplement parce que les acteurs ne pouvaient pas les représenter de manière convaincante.
Ni les évaluations automatisées ni les consultations simulées ne prouvent que le système fonctionnera aussi bien dans une véritable clinique. Google n'a actuellement presque aucune donnée de production – toutes les contraintes réelles demeurent basées sur le texte. Par conséquent, avant de parler de déployer AMIE dans la pratique, des essais à grande échelle avec de vrais patients sont nécessaires, où les symptômes et le comportement des gens sont beaucoup moins prévisibles.
Néanmoins, le fait même que l'IA puisse réaliser un diagnostic différentiel, rassembler des antécédents médicaux et construire un examen virtuel au niveau d'un médecin généraliste semble prometteur. À l'avenir, de tels systèmes pourraient devenir un assistant utile pour les médecins, surtout en télémédecine, mais pour l'instant, ce n'est qu'un prototype de recherche, et non un outil clinique prêt à l'emploi.
