Auteur(s) : Labernede, Chloé
Directeur(s) : Le Goff, Laurine, Demuth, Stanislas
Président du jury : Weber, Jean-Christophe
Composante : Faculté de médecine, maïeutique et sciences de la santé
Établissement : Université de Strasbourg
Date de création : 30-06-2025

Résumé(s) : Les pathologies ostéoarticulaires sont une part importante des consultations de médecine générale. Médecins et internes rencontrent souvent des difficultés face à ces motifs, entraînant un recours excessif à l’imagerie, un adressage prématuré aux spécialistes, et parfois des traitements inadaptés. Les praticiens se tournent vers des outils numériques comme les moteurs de recherche ou les grands modèles de langage, dont l’acceptabilité est encore restreinte dans le corps médical. Nous avons développé ArticulApp un système expert s’appuyant sur un graphe de connaissances dérivé des connaissances médicales validées pour le raisonnement clinique. Notre outil aborde les pathologies du genou et de l’épaule. Il a été évalué sur 100 cas cliniques fictifs : 50 issus de manuels de formation aux Épreuves classantes nationales ou d’annales, et 50 générés par ChatGPT. Nous avons comparé ses performances à Google et ChatGPT. L’utilisabilité a été évaluée auprès d’internes en médecine générale via le questionnaire Health System Usability Scale. ArticulApp intègre 44 pathologies (17 concernant l’épaule, 27 concernant le genou) et atteint une exactitude diagnostique de 93,64% [87.9 – 96.9%] contre 90,80% [84.8 – 94.8%] pour ChatGPT (p = 0.48) et 81,31 % [73.8 – 88.0%] pour Google (p = 0.008). Sur le plan de l’utilisabilité de l’application, le score moyen est de 73,09%. [SD1]  ArticulApp est un système expert [SD2]  d’aide au diagnostic de performance équivalente aux grands modèles de langage. [SD3] Son ergonomie reste perfectible. Son extension et une évaluation sur des cas réels permettrait d’en faire un appui au médecin généraliste tout en respectant sa place de décisionnaire.  [SD1]Interprétation ? [SD2]Concept  introduire [SD3]Un peu fort. Disons plutôt des performances équivalentes aux grands modèles de langue, mais avec une meilleure explicabilité
Discipline : Médecine (médecine générale)
Couverture : FR