La recherche du Mount Sinai montre que les LLM d'IA croient à la désinformation médicale dans 32 à 46 % des cas, notamment lorsqu'elle est présentée comme un avis d'expert.
Des recherches de l'université d'Oxford révèlent que les chatbots IA donnent des conseils médicaux incohérents, rendant difficile pour les utilisateurs d'identifier des informations de santé fiables.
Des chercheurs de Harvard publient dans Nature Neuroscience le modèle de base BrainIAC, qui prédit la démence, les AVC et le cancer à partir de 48 900 examens IRM.
L'Utah s'est associé à la start-up de technologies de santé Doctronic pour lancer un système d'IA qui renouvellera de manière autonome environ 200 médicaments courants après avoir réalisé des évaluations cliniques. L'initiative soulève des questions cruciales sur l'autorité de surveillance de la FDA, Doctronic affirmant que son médecin IA n'a pas besoin d'homologation réglementaire.
Cet outil d'apprentissage profond fournit une visualisation 3D sans précédent des cellules ciliées de la cochlée, faisant progresser la recherche sur les traitements de la perte auditive.
Les chercheurs du MIT démontrent que les modèles d'apprentissage automatique les plus performants peuvent devenir les moins performants lorsqu'ils sont appliqués à de nouveaux environnements de données, révélant des risques cachés liés à des corrélations fallacieuses dans l'IA médicale et d'autres applications critiques.
