Résumés simplifiés générés par IA pour les rapports d'IRM cérébrale (CLEAR-HEAD)

Contexte Les céphalées représentent environ 2 % à 4 % des consultations aux urgences, soit environ 450 000 consultations par an en France. Bien que 95 % de ces cas soient des céphalées primaires bénignes, l'identification des causes secondaires nécessitant une prise en charge urgente est cruciale, ce qui conduit souvent à une augmentation de l'utilisation de l'imagerie cérébrale telle que l'IRM. Cependant, les comptes rendus de radiologie contiennent souvent un jargon médical complexe qui peut être difficile à comprendre pour les patients et les médecins non spécialistes, pouvant entraîner une confusion ou une anxiété. Les modèles de langage de grande taille (LLM) ont démontré leur potentiel pour simplifier les textes médicaux complexes. Bien qu'il existe des modèles commerciaux, les modèles à poids ouverts (qui peuvent être déployés localement pour garantir la sécurité des données) offrent une voie prometteuse pour l'intégration clinique. Cette étude vise à évaluer l'efficacité d'un résumé en langage clair généré par l'IA pour améliorer la compréhension des comptes rendus d'IRM cérébrale par les patients.

Conception de l'étude Il s'agit d'un essai randomisé, contrôlé, en simple aveugle, niché dans la cohorte électronique COMPARE. L'étude utilise un plan en groupes parallèles avec une répartition 1:1. L'ensemble de l'étude est mené à distance via des formulaires en ligne sécurisés.

Participants L'étude recrute des volontaires adultes déjà inscrits dans la cohorte électronique COMPARE. Les participants doivent avoir une maîtrise suffisante du français écrit pour lire les comptes rendus et remplir les questionnaires. Aucune condition médicale spécifique n'est requise pour l'inclusion, car l'étude utilise des scénarios de cas fictifs.

Intervention et procédures Les participants sont randomisés dans l'un des deux groupes via une procédure de minimisation équilibrant les antécédents d'IRM cérébrale et la pathologie neurologique connue. Chaque participant est invité à lire six comptes rendus d'IRM cérébrale fictifs simulant des scénarios courants de céphalées aux urgences. Les six comptes rendus couvrent trois situations cliniques : deux avec des résultats normaux, deux avec des découvertes fortuites n'expliquant pas la céphalée, et deux avec des anomalies expliquant la céphalée. Dans le groupe expérimental, les participants reçoivent le compte rendu d'IRM standard enrichi d'un paragraphe de synthèse structuré généré par un LLM à poids ouverts, inséré sous la section Synthèse pour le patient et le médecin non radiologue. Dans le groupe témoin, les participants reçoivent le compte rendu d'IRM standard dans sa version native sans le résumé généré par l'IA.

Mesures de résultat Immédiatement après la lecture de chaque compte rendu, les participants remplissent un questionnaire standardisé. Le critère de jugement principal est la compréhension du compte rendu, mesurée par l'exactitude de la réponse à la question binaire : Une explication probable de la céphalée est-elle trouvée dans ce compte rendu ? Les critères secondaires incluent la satisfaction des participants mesurée sur une échelle de Likert, le besoin perçu de clarification professionnelle, la capacité perçue à expliquer les résultats à un proche et les niveaux d'anxiété projetés.

Analyse statistique L'analyse principale comparera la proportion de réponses correctes entre les groupes en utilisant un modèle de régression logistique mixte. Ce modèle inclura le groupe d'intervention comme effet fixe et tiendra compte des effets aléatoires croisés (participant et compte rendu) pour gérer la corrélation intra-individuelle et la variabilité entre les cas cliniques. La taille de l'échantillon est calculée à 412 participants (206 par groupe) pour détecter une différence de 10 % dans la compréhension avec une puissance de 95 %.