MICA · REPÈRES DE PREMIÈRE LIGNE
Comprendre, hiérarchiser et organiser la suite
Évaluer une nouveauté diagnostique ou thérapeutique avant de changer une pratique de première ligne.
Identifier ce qui est réellement nouveau
Un nouveau nom, une publication récente ou une performance annoncée ne suffisent pas à démontrer un bénéfice. Reformuler la question : meilleur diagnostic, amélioration d’un résultat clinique, réduction d’un risque ou simplification du parcours ? Repérer le type de document, son comparateur et la population. Une recommandation, un essai et une démonstration technologique apportent des niveaux d’information différents.
[1][2]Lire un essai au-delà de son titre
Pour une intervention thérapeutique, rechercher critères d’inclusion, attribution des groupes, critère principal, durée de suivi, données manquantes et effets indésirables. CONSORT 2025 organise la transparence de ces informations ; la complétude du rapport ne prouve pas à elle seule l’absence de biais. Vérifier si le résultat concerne un événement important pour le patient ou seulement un marqueur intermédiaire.
[1]Face à une nouveauté, séparer performance technique, bénéfice clinique et mise en œuvre. Un résultat statistiquement significatif peut correspondre à un bénéfice absolu faible ou à un critère intermédiaire. Vérifier suivi, population exclue et effets indésirables avant de conclure. Pour l’IA, une bonne performance dans une base de test ne prouve pas une amélioration des décisions ni une sécurité dans un autre contexte.
[1][2]Communiquer un bénéfice sans le déformer
Présenter bénéfices et risques avec une même durée et un même dénominateur. Une variation relative doit être accompagnée de son contexte absolu et de son incertitude. Distinguer effet moyen observé dans l’étude et bénéfice attendu chez cette personne. Discuter aussi contraintes, surveillance, alternatives et option de ne pas changer immédiatement lorsque cela est médicalement approprié.
[3]- Lire le critère principal et les résultats absolus, pas uniquement le titre, le pourcentage relatif ou le communiqué.
- Rechercher validation externe, comparateur pertinent et conséquences possibles des erreurs avant d’utiliser un outil d’IA.
- Conserver une supervision humaine et vérifier les sources ; une proposition générée ne vaut pas une recommandation validée.
Garder un contrôle clinique sur les outils d’IA
Les modèles génératifs peuvent produire une réponse plausible mais fausse, biaisée ou incomplète. L’OMS souligne notamment le risque de biais d’automatisation. Une proposition doit donc être rapprochée des données réellement disponibles et des sources originales. La confidentialité et la responsabilité clinique restent essentielles ; une démonstration pédagogique ne constitue pas une validation d’un outil pour tous les patients et tous les usages.
[2]Situation commentée
SITUATION FICTIVE · RÉFLEXION SANS NOTE
Dans un exemple fictif, une intervention réduit un événement de 2 personnes sur 100 à 1 sur 100 pendant la même durée. Une annonce évoque seulement une réduction de 50 %.
Comment présenter le résultat de façon compréhensible ?
Lire le raisonnement
Présenter les deux fréquences et la réduction absolue d’un événement pour 100 personnes sur cette durée, puis l’incertitude et les effets indésirables. La réduction relative de 50 % est compatible avec ces nombres mais ne décrit pas seule l’importance du bénéfice. Cet exemple arithmétique ne correspond pas à un essai réel.
Références et périmètre
- Hopewell S et al. · CONSORT 2025 statement: Updated guideline for reporting randomised trials · PLOS Medicine ↗
- OMS · Orientations sur les grands modèles multimodaux · communiqué du 18 janvier 2024 ↗
- NICE NG197 · Shared decision making · recommandations ↗
Synthèse pédagogique originale pour la première ligne chez l’adulte. Les références internationales s’interprètent avec la situation clinique et les filières locales. Relecture scientifique humaine indépendante à confirmer.