Lorsqu'un médecin se prépare à une consultation, il lui est utile de comprendre à l'avance avec quoi le patient va probablement se présenter. C'est précisément la tâche que résolvent les systèmes de prédiction de diagnostics : à partir de l'historique des visites passées, ils prédisent les codes CIM qui pourraient apparaître dans le dossier lors de la prochaine visite. L'une des approches récentes — la recherche profonde agentique, où différents modèles travaillent au sein d'un pipeline de recherche unifié.
De quoi s'agit-il ?
Il s'agit de prédiction prospective multi-étiquettes. Le système ne classe pas une note existante : la future note n'a pas encore été créée, le modèle doit donc s'appuyer uniquement sur l'historique longitudinal du patient. De plus, plusieurs codes corrects peuvent exister, et ils peuvent concerner aussi bien des affections chroniques que de nouvelles pathologies.
Les solutions classiques se divisent ici généralement en deux types. Les modèles fondamentaux structurés, entraînés sur des dossiers médicaux électroniques, capturent bien la récurrence des visites et la dynamique temporelle des maladies. Les modèles de langage, à l'inverse, excellent dans la construction d'hypothèses flexibles, proches du raisonnement clinique. Mais pris séparément, ils perdent une partie de l'information.
Dans une prépublication sur arXiv (2608.17075), le système ICD-Deepresearch est décrit, qui tente de combiner les deux approches. Il s'agit d'un workflow agentique : des modèles prédictifs travaillent de concert avec une recherche médicale et des dictionnaires de codes, et la réponse finale est élaborée en tenant compte des liens cliniques externes. La recherche profonde n'est pas ici une restitution de liens, mais une investigation en plusieurs étapes : le système décide lui-même quelles sources vérifier et comment les confronter à l'historique du patient.
Comment la prédiction est-elle structurée
Aucune source de données ne contient « l'ensemble futur » des codes, le système travaille donc en amont dans le cadre d'un budget top-K. Il évalue les transitions possibles de l'état actuel du patient vers les diagnostics futurs, en utilisant trois sources de signal : l'historique médical lui-même, les associations cliniques externes et la sémantique précise des codes CIM.
Génération des candidats
Le premier circuit lance le modèle SparseEHR. Il forme un a priori EHR — une distribution de probabilités sur les codes, basée sur les visites passées. Cet a priori devient le point de départ de deux tours limités d'expansion de recherche : le système cherche délibérément des liens cliniques supplémentaires dans des sources externes, sans transformer la recherche en énumération infinie.
En parallèle, une voie indépendante fonctionne — la prédiction directe avec GPT-5. Elle fournit son propre ensemble de candidats, indépendant du modèle sparse. Ainsi, les deux méthodes compensent les faiblesses de l'autre : l'une s'appuie sur des statistiques formalisées, l'autre sur la compréhension langagière des symptômes.
Sélection finale
Les candidats collectés passent une validation : le système supprime les doublons, vérifie la conformité au dictionnaire CIM et classe conjointement les deux sources. Un module séparé rédige ensuite des justifications textuelles expliquant pourquoi tel ou tel code figure dans la liste. Il est important que ce module n'influence pas les prédictions elles-mêmes — il rend seulement le résultat plus transparent pour le médecin.
Ce que les expériences ont montré
L'efficacité a été évaluée sur les données de soins intensifs MIMIC-III et MIMIC-IV. Comme plusieurs codes corrects peuvent exister, les métriques ont été calculées en moyenne par patient : cela se rapproche davantage de la pratique clinique réelle qu'un simple comptage exact sur toutes les prédictions.
- Sur MIMIC-III, la précision était de 24,60 %, le rappel de 35,09 %.
- Sur MIMIC-IV — 25,14 % et 48,32 % respectivement.
Le rappel sur MIMIC-IV est nettement plus élevé : le système trouve plus souvent les codes réellement nécessaires, même s'il n'évite pas les codes superflus.
Séparément, des médecins ont évalué l'utilité des documents que le système extrait pour confirmer la prédiction. Ici, le résultat de ICD-Deepresearch dépasse nettement les outils autonomes : 51 % et 68 % des documents se sont avérés utiles, contre 22 % et 39 % pour la recherche web autonome basée sur GPT-5 et 32 % et 41 % pour Medical Deep Research.
Pourquoi c'est important
La principale conclusion de l'étude est que ce n'est pas la concurrence qui est productive, mais la coopération des modèles. ICD-Deepresearch montre que les statistiques médicales structurées et la recherche agentique par langage peuvent fonctionner dans une même chaîne : le dictionnaire CIM définit le cadre, les sources externes ajoutent du contexte, et les justifications aident le médecin à vérifier le raisonnement.
Pour la pratique, cela signifie une prédiction des diagnostics plus précoce et plus explicable. Le système ne remplace pas la décision clinique, mais réduit le risque de manquer une affection importante lors de la consultation. Ainsi, à l'avenir, de tels outils pourraient faire partie de l'assistant numérique du médecin — de la planification des ressources aux processus d'assurance.
