AegisDx : un framework d’AI pour un diagnostic sûr a surpassé GPT-5 dans l’évaluation des médecins

Un groupe de chercheurs a publié une description d'AegisDx sur arXiv en juillet 2026 — un framework pour le diagnostic différentiel sûr basé sur les grands modèles de langage. Dans un essai en aveugle sur 43 dossiers réels de patients du département des urgences du Yale New Haven Health System, AegisDx a reçu une note de sécurité moyenne de 4.55 sur 5 des médecins par rapport à 4.31 pour GPT-5 — une différence statistiquement significative (p ajusté = 2.1×10⁻⁴).

Pourquoi un LLM

Ordinaire Ne Suffit Pas pour un Diagnostic Sûr

Les erreurs de diagnostic restent l'une des principales menaces pour la sécurité des patients. Les systèmes LLM modernes abordent généralement le diagnostic comme une tâche de "une seule requête": un médecin décrit des symptômes, le modèle fournit une hypothèse. Cette approche n'a pas de protection contre les conditions qui menacent la vie et ne vérifie pas son propre raisonnement.

AegisDx est structuré fondamentalement différemment. Les auteurs appellent leur approche le raisonnement clinique hypothético-déductif : le système génère d'abord une large liste d'hypothèses, puis la réduit successivement, vérifiant chaque étape contre la base de données probante médicales. Éléments architecturaux clés:

• Contrats de rôle: chaque composant LLM est strictement responsable de sa tâche
• Conclusions intermédiaires structurées: chaque étape du raisonnement est explicitement enregistrée
• Interfaces de recherche de preuves: les hypothèses sont vérifiées contre la littérature médicale en temps réel
• Portails de vérification: le diagnostic final est vérifié avant la sortie
• Dépistage obligatoire des diagnostics à ne pas manquer: infarctus du myocarde, embolie pulmonaire, dissection aortique, méningite — le système doit les vérifier explicitement, impossible de les omettre accidentellement

Ce Que Trois Niveaux de Tests Ont Montré

Les auteurs ont comparé AegisDx avec GPT-oss-120B utilisé directement sans restrictions supplémentaires. Pour chaque groupe de cas, la métrique principale était la précision Top-3 — le diagnostic correct dans les trois premières prédictions, correspondant à la pratique clinique réelle.

• Cas JAMA: précision Top-3 59.9% versus 52.1%
• Cas NEJM: précision Top-3 62.7% versus 51.4%
• Annals of Emergency Medicine: 85.7% versus 68.6%
• Diagnostics critiques à ne pas manquer: AegisDx a inclus au moins l'une de ces conditions dans le top-3 dans 78.0% des cas contre 52.0% pour LLM autonome

Le plus rigoureux était l'essai en aveugle avec des médecins cliniciens praticiens: 43 dossiers réels du département des urgences ont été comparés en aveugle avec les conclusions de GPT-5. Les participants ont classé AegisDx plus haut sur une mesure de sécurité agrégée — 4.55 contre 4.31 sur une échelle de cinq points. Qualitativement, ils ont noté une amélioration dans l'identification des diagnostics qui menacent la vie et une plus grande transparence du raisonnement.

Ce Que Cela Signifie

Le gain du framework structuré s'est avéré comparable à la mise à l'échelle directe du modèle — et les auteurs considèrent ceci comme le principal résultat. L'ingénierie des systèmes d'IA diagnostique en tant que pipelines de raisonnement sûr peut être plus productive que de poursuivre la précision prédictive brute — particulièrement en médecine d'urgence, où l'erreur de diagnostic coûte des vies. AegisDx est positionné non pas comme un remplacement des médecins, mais comme un outil de soutien à la décision transparent au chevet du patient.

Questions Fréquemment Posées

Quel Modèle de Langage AegisDx Utilise-t-il?

Dans les expériences, les auteurs ont utilisé GPT-oss-120B comme modèle de base pour tous les composants. L'architecture du framework n'est liée à aucun LLM particulier et a été conçue comme universelle.

Quel Matériel Clinique a Été Utilisé pour les Tests?

Les cas de la littérature ont été tirés de NEJM, JAMA et Annals of Emergency Medicine. L'essai en aveugle avec les médecins a été mené sur 43 dossiers réels de patients du département des urgences du Yale New Haven Health System.