Le modèle Lang1 de NYU Langone, entraîné sur les notes de 10 millions de patients, surpasse des modèles généralistes bien plus grands pour prédire l'évolution hospitalière
L'étude publiée dans Nature Medicine fait état de gains allant jusqu'à 24 % pour prédire les refus d'assurance, mais de 1,6 % seulement pour la mortalité hospitalière, face à des modèles comme DeepSeek R1.
Pourquoi c’est important
L'étude montre qu'un modèle plus petit entraîné sur les dossiers d'un système de santé peut battre des modèles généralistes bien plus grands sur des prédictions opérationnelles courantes, un enjeu pour les hôpitaux qui choisissent quelle IA déployer. Lang1 prolonge NYUTron, est près de 70 fois plus grand et a été entraîné sur 80 milliards de tokens de notes cliniques et 627 milliards de texte général. Les gains sont les plus forts là où le texte en ligne est rare, comme les refus d'assurance, et les plus faibles pour la mortalité. NYU Langone proposera Lang1 et ReMedE à d'autres hôpitaux ; à suivre au-delà de Beth Israel.
Faits clés
- Entraîné sur les dossiers de plus de 10 millions de patients sur 20 ans
- 80 milliards de tokens cliniques et 627 milliards de texte général
- Près de 24 % mieux que DeepSeek R1 sur les refus d'assurance
- 9 % mieux sur les réadmissions à 30 jours, 1,6 % sur la mortalité
- Près de 70 fois plus grand que NYUTron
- Validé au Beth Israel de Boston