Le projet Neura, initié par le Dr Sami Barrit, médecin spécialiste en formation en neurochirurgie à l’ULB, représente une avancée notable dans le domaine de l'intelligence artificielle générative, appliquée spécifiquement aux sciences biomédicales. Une étude pilote en neurologie, où Neura a été confronté à des scénarios cliniques complexes, a démontré sa performance diagnostique par rapport à une cohorte de neurologues, avec des scores normalisés impressionnants de 86,17 % dans l'ensemble.

Transformer les modèles de langage généralistes en outils spécialisés pour les professionnels de la santé, les chercheurs, les étudiants, et même les patients tel est le but de Neura. Cette solution d'IA générative, saluée par l'Académie Nationale de Chirurgie française et la Fondation l'Avenir, vise à offrir une interface « accessible, transparente et fiable » répondant aux exigences pointues de la médecine et de la recherche.

Un aspect central de Neura est sa capacité à spécialiser les grands modèles de langage actuels, comme les dérivés GPT d’OpenAI, en utilisant une approche de rétro-ingénierie. Le Dr Barrit explique : « Les méthodes conventionnelles de spécialisation de ces modèles demandent d'importantes ressources, tant computationnelles qu'humaines, inaccessibles au commun des chercheurs. [...] Nous avons adopté une approche [...] de manière intuitive et accessible aux chercheurs, médecins et étudiants intéressés. » Cette spécialisation, inspirée par les principes de l’intelligence artificielle explicable (XAI), cherche à rendre les LLM accessibles tout en respectant les principes de souveraineté digitale.

L'architecture de Neura s'inspire des neurosciences, s'appuyant sur une "mémoire à long terme" qui encode la connaissance spécialisée d'intérêt et une mémoire à court terme pour suivre les interactions utilisateur et intégrer un contexte clinique extensif. Cette structure permet une personnalisation et une contextualisation profondes, garantissant que les informations fournies soient non seulement pertinentes mais aussi vérifiables.

L'étude pilote en neurologie, où Neura a été confronté à des scénarios cliniques complexes, a démontré sa performance diagnostique. "Nous avions pris une cohorte de 13 neurologues, des jeunes et des spécialistes plus âgés. Nous leur avons demandé un diagnostic différentiel sur base des informations et des plaintes du patient pour cinq scénarios cliniques complexes. Nous avons comparé les résultats sur base d’une évaluation à l’aveugle, anonyme. » 

Neura a obtenu des scores normalisés de 86,17 % dans l'ensemble, de 85 % pour les diagnostics différentiels et de 88,24 % pour les diagnostics finaux (55,11 %, 46,15 % et 70,93 % pour les neurologues) avec des temps de réponses rapides de 28,8 et 19 secondes (9 minutes et 37,2 secondes et 8 minutes et 51 secondes pour les neurologues) tandis qu'il a fourni systématiquement des informations pertinentes et cités les sources utilisées avec précision.  « Ces résultats montrent l’intérêt des applications pilotées par LLM pour intégrer des données acquises et analysées par l'expert humain avec un vaste corpus de connaissances, augmentant le raisonnement expérientiel humain à des fins cliniques et de recherche. » 

Ces performances ne se limitent pas à surpasser les capacités diagnostiques humaines mais incluent également la rapidité et la précision de la réponse, fournissant systématiquement des informations pertinentes et citant avec précision les sources utilisées. Le Dr Barrit souligne : « Il n’y a pas eu, et c’est très important, d’hallucinations — i.e., de génération de fausses informations ou de mauvaises sources. »

Cependant, malgré ces avancées, les chercheurs adoptent une vision nuancée de l'avenir de telles technologies. Ils reconnaissent à la fois le potentiel disruptif des LLM en médecine et leurs limites, notamment dans des situations manquant d'informations ou nécessitant un raisonnement original de haut niveau. Le projet aspire non seulement à améliorer la prise de décision clinique mais aussi à enrichir l'interface humain-machine, en augmentant plutôt qu'en remplaçant le raisonnement humain.

En résumé, Neura se positionne comme un précurseur dans l'application de l'IA générative selon les principes XAI en médecine, promettant non seulement d'améliorer la précision diagnostique mais aussi d'enrichir la formation médicale et la recherche. Des discussions pour un partenariat avec deux université francophones d'excellence sont en bonne voie. Son application pilote en médecine d'urgence, générale et infectiologie en collaboration avec des sociétés et institutions académiques francophones est en cours.