AegisDx : un framework d'IA pour un diagnostic plus sûr devance GPT-5 dans l'évaluation des médecins

Une équipe de chercheurs a publié sur arXiv, en juillet 2026, la description d'AegisDx, un framework de diagnostic différentiel sûr fondé sur de grands modèles de langage. Lors d'un essai en aveugle sur 43 dossiers médicaux réels du service d'urgences du Yale New Haven Health System, les médecins ont attribué à AegisDx un score moyen de sécurité de 4.55 sur 5, contre 4.31 pour GPT-5. L'écart est statistiquement significatif (p ajusté = 2.1×10⁻⁴).

Pourquoi un LLM classique ne suffit pas pour un diagnostic sûr

Les erreurs de diagnostic restent l'une des principales menaces pour la sécurité des patients. Les systèmes actuels fondés sur des LLM abordent généralement le diagnostic comme une tâche à « requête unique » : le médecin décrit les symptômes, le modèle avance une hypothèse. Cette approche n'offre aucune protection contre l'oubli de pathologies mettant la vie en danger et ne vérifie pas son propre raisonnement.

AegisDx fonctionne sur un principe radicalement différent. Ses auteurs parlent de raisonnement clinique hypothético-déductif : le système génère d'abord une large liste d'hypothèses, puis la resserre progressivement en confrontant chaque étape aux données médicales probantes. Les éléments clés de l'architecture :

• Contrats de rôle : chaque composant LLM est responsable strictement de sa propre tâche
• Sorties intermédiaires structurées : chaque étape du raisonnement est consignée explicitement
• Interfaces de recherche de preuves : les hypothèses sont confrontées à la littérature médicale en temps réel
• Portes de vérification : le diagnostic final est contrôlé avant d'être rendu
• Dépistage obligatoire must-not-miss : infarctus, EP, dissection aortique, méningite. Le système doit les vérifier explicitement, il ne peut donc pas les omettre par inadvertance

Ce qu'ont montré les trois niveaux de tests

Les auteurs ont comparé AegisDx à GPT-oss-120B utilisé directement, sans contraintes supplémentaires. Pour chaque groupe de cas, la métrique principale était la précision Top-3 : le bon diagnostic figure parmi les trois meilleures hypothèses, ce qui correspond à la pratique clinique réelle.

• Cas du JAMA : précision Top-3 de 59.9% contre 52.1%
• Cas du NEJM : précision Top-3 de 62.7% contre 51.4%
• Annals of Emergency Medicine : 85.7% contre 68.6%
• Diagnostics critiques must-not-miss : AegisDx a inclus au moins une de ces pathologies dans son top 3 dans 78.0% des cas, contre 52.0% pour le LLM seul

Le test le plus rigoureux était l'évaluation en aveugle par des médecins cliniciens : 43 dossiers réels des urgences ont été comparés à l'aveugle aux conclusions de GPT-5. Les participants ont jugé AegisDx meilleur sur l'indice composite de sécurité : 4.55 contre 4.31 sur une échelle de cinq points. Sur le plan qualitatif, ils ont relevé une meilleure détection des diagnostics vitaux et un raisonnement plus transparent.

Ce que cela signifie

Le gain apporté par un framework structuré s'est révélé comparable à celui d'une mise à l'échelle directe du modèle, et les auteurs y voient l'enseignement principal. Concevoir les systèmes d'IA de diagnostic comme des chaînes de raisonnement sûres peut être plus productif que de courir après la précision prédictive brute, surtout en médecine d'urgence, où une erreur de diagnostic peut coûter une vie. AegisDx se présente non comme un remplaçant du médecin, mais comme un outil transparent d'aide à la décision au chevet du patient.

Questions fréquentes

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 pas liée à un LLM précis et a été conçue pour être universelle.

Sur quel matériel clinique les essais ont-ils été menés ?

Les cas issus de la littérature proviennent du NEJM, du JAMA et des Annals of Emergency Medicine. L'essai en aveugle avec des médecins s'est appuyé sur 43 dossiers médicaux réels du service d'urgences du Yale New Haven Health System.