Gains :
- Capacité à structurer la question clinique et à effectuer une revue de la littérature, des résumés et une compilation de preuves avec l'intelligence artificielle
- Capacité à gérer le risque de références fabriquées (hallucinations) en confirmant chaque source donnée par l'intelligence artificielle avec le DOI et l'article original
- Capacité à lire de manière critique le résumé de l'IA, en évaluant le niveau de preuve, les conflits d'intérêts et l'opportunité
La pharmacie est un métier dont les connaissances sont constamment renouvelées ; Une dose ou une recommandation qui était correctement connue hier pourrait changer avec une nouvelle étude. La pharmacie fondée sur des preuves signifie répondre à une question avec les preuves scientifiques les plus récentes et les plus fiables. Mais la littérature scientifique est immense et dispersée ; Il est facile de se laisser submerger par des centaines d’articles lorsque l’on cherche une réponse à une question. L’intelligence artificielle est ici une aide puissante à l’analyse et à la synthèse : elle permet de structurer une question, de générer des termes de recherche, de résumer un long texte. Mais l’erreur la plus dangereuse de l’intelligence artificielle se situe justement dans ce domaine : elle peut inventer des articles et des DOI qui n’existent pas. Dans cette unité, vous apprendrez à utiliser l’intelligence artificielle comme outil sûr et validé dans la revue de la littérature.
Étapes de l’approche fondée sur des données probantes
On répond à une question fondée sur des preuves en procédant comme suit :
- Structurez la question. Une bonne question clinique est souvent formulée avec le cadre PICO : Patient/Population (Patient), Intervention, Comparaison, Résultat. Exemple : « Comment le médicament X (I) affecte-t-il le risque d'hypoglycémie (O) par rapport au médicament Y (C) chez les personnes âgées atteintes de diabète de type 2 (P) ? »
- Cherchez des preuves. Recherchez des bases de données et des ressources appropriées.
- Évaluez les preuves. Type d'étude, qualité, taille de l'échantillon et risque de biais.
- Appliquer et surveiller. Adaptez les résultats au contexte du patient.
L'IA est particulièrement rapide aux étapes 1 et 3 (structuration de la question et aide à l'évaluation d'un texte) ; mais l'étape 2 (sourcing) nécessite une vérification critique.
hiérarchie des preuves
Toutes les preuves ne sont pas égales. Une hiérarchie générale :
Niveau de preuve
exemple
puissance
le plus élevé
Revue systématique, méta-analyse
Combinaison de plusieurs études
haut
Essai contrôlé randomisé (ECR)
Contrôlé et faible biais
moyen
Cohorte, cas-témoins
Observationnel, risque de facteurs confondants
faible
Série de cas, avis d'experts
Généralisabilité limitée
le plus bas
Contenu Web anecdotique et non vérifié
Faible valeur probante
Lorsqu’elle résume une conclusion, l’IA peut confondre le niveau de preuve ou présenter une source faible comme solide. Vous contrôlez toujours le niveau.
De plus, il peut y avoir des études contradictoires sur le même sujet. L’IA ne peut parfois mettre en évidence qu’un côté et ignorer l’autre ; c'est ce qu'on appelle la « présentation sélective ». Une évaluation solide des preuves recherche la tendance générale du sujet (ce que de nombreuses études ont en commun) et une revue systématique actuelle si disponible. Changer la pratique sur la base d’une seule étude, en particulier une étude portant sur un petit échantillon ou monocentrique, est risqué. Demander à l’IA « y a-t-il des conclusions contradictoires sur cette question, quelle partie dispose de preuves plus solides » est un bon moyen d’équilibrer un résumé unilatéral ; Mais la pesée finale est faite par vous en lisant les sources originales.
Attention : l'IA peut produire des références entièrement fabriquées avec un titre, un nom d'auteur, une revue et un DOI réalistes ; c'est ce qu'on appelle une « hallucination de référence ». Ne citez jamais une source sans ouvrir le DOI dans la base de données/journal d'origine et consulter son contenu.
trois mini-cases
Cas 1 — DOI inventé. Un pharmacien a demandé à AI une source sur l’efficacité d’un médicament ; l'intelligence artificielle a donné lieu à trois articles et DOI. Lorsque le pharmacien a tenté d'ouvrir les DOI, il a constaté que deux ne correspondaient à aucun dossier ; l'un d'entre eux était réel mais rapportait un résultat différent. Le pharmacien n'a utilisé que l'article qu'il avait vérifié. Sans vérification, deux sources fictives seraient incluses dans un seul rapport.
Cas 2 — Recherche avec PICO. Un pharmacien effectuait des recherches sur la comparaison de l'innocuité de deux analgésiques chez les personnes âgées. Il a demandé à l'IA de déposer la question dans PICO et de générer des termes de recherche. AI a donné des termes et des synonymes clairs ; Avec ceux-ci, le pharmacien effectuait lui-même la recherche proprement dite dans la base de données bien connue et évaluait les résultats. L'intelligence artificielle a accéléré la recherche ; Le pharmacien a trouvé les sources et les a lu.
Cas 3 — Distorsion sommaire. Un pharmacien avait un véritable article résumé par l’intelligence artificielle. Le résumé affirmait que l’étude montrait une « supériorité sans équivoque » ; mais l'article lui-même indiquait que le résultat "n'atteignait pas une signification statistique". Le pharmacien a lu le texte original, a remarqué la distorsion et a corrigé le résumé. Le résumé de l’IA avait exagéré ; Le retour à la source a révélé la vérité.
Cas 4 — Manquer le sujet. Un pharmacien a reçu des informations de l’intelligence artificielle sur l’utilisation recommandée d’un médicament. La réponse semblait raisonnable, mais était basée sur un guide d'il y a quelques années ; Cependant, la recommandation a depuis été mise à jour. Lorsque le pharmacien a ouvert le guide mis à jour, il a vu la différence et s’est basé sur la nouvelle recommandation. Parce que les connaissances de l'IA étaient gelées à une date précise, elle ne pouvait pas connaître le changement le plus récent ; La vérification de l'actualité a comblé cette lacune.
Un dépistage fondé sur des données probantes, étape par étape
- Formulez la question avec PICO. Population, intervention, comparaison, résultat.
- Générez des termes de recherche. Obtenez des mots-clés et des synonymes issus de l’intelligence artificielle.
- C'est vous qui faites le vrai appel. Rechercher une base de données/source réputée ; "Créer" des ressources pour l'IA.
- Vérifiez chaque source. Open DOI, l'auteur/la revue/l'année est-il réel, le contenu soutient-il l'affirmation ?
- Évaluez le niveau de preuve. Type de travail, qualité, conflit d’intérêts, respect des délais.
- Contextualisez et enregistrez. Reliez les résultats au patient/à la question, enregistrez les sources.
Invite faible/Invite forte
Faible : "Ce médicament est-il efficace, donnez-en une source."
Fort : "Structurez la question clinique suivante dans le cadre PICO : [question]. Générez ensuite des termes de recherche et des synonymes efficaces pour cette question. N'inventez PAS la source/l'article ; dites-moi quel type d'études (ECR, méta-analyse) et quelles bases de données je devrais rechercher à la place. Si vous nommez une source, marquez « non vérifié, doit être confirmé avec DOI ».
Dans l'invite forte, le cadre, les limites et les conditions de vérification sont clairs ; L’IA n’est pas obligée de fabriquer des ressources.
Quatre modèles copiables
Tâche : Tracez la question clinique dans PICO.Question : [...]. Résultat : P (population), I (interférence), C (comparaison), O (résultat) et une question de recherche structurée en une phrase.
Tâche : générer un terme de recherche (source FITTING). Sujet : [...]. Résultat : mots-clés + synonymes + types d'études suggérés. Crédit/DOI ; Dis-moi juste comment appeler.
Tâche : Résumez ce texte de manière impartiale (sans exagération).Texte : [article]. Résultat : objectif, méthode, échantillon, principale constatation, contraintes, conclusion. Exprimer le résultat PLUS FORT que ce que dit le texte ; garder l'incertitude.
Tâche : Produire une liste de contrôle de vérification des références.Référence : [...]. Trier par : Ouverture du DOI ? L'auteur/la revue/l'année est-il titulaire ? Le contenu soutient-il l'affirmation ? Quel est le niveau de preuve ? Y a-t-il un conflit d'intérêts ?
Erreurs courantes
- Citer le DOI donné par l’intelligence artificielle sans l’ouvrir. Le risque d’hallucination de référence constitue le plus grand danger.
- Remplacement du résumé par la source. Pour une affirmation critique, il faut revenir au texte original.
- Confondre le niveau de preuve. Opinion d’expert et méta-analyse n’ont pas le même poids.
- Ignorer la mise à jour. Une étude plus ancienne peut entrer en conflit avec les directives actuelles ; La date devrait être vérifiée.
- Ignorer les conflits d’intérêts. Le financement et la déclaration d’intérêt influencent l’interprétation.
En résumé
L’intelligence artificielle est un puissant accélérateur pour structurer les questions, générer des termes de recherche et résumer des textes longs dans les recherches documentaires. Mais son erreur la plus dangereuse, l’hallucination référentielle, se produit dans ce domaine : elle peut produire des sources qui semblent réalistes mais qui n’existent pas. Faites donc la recherche vous-même, vérifiez chaque source avec le DOI, comparez les résumés avec le texte original et évaluez de manière critique le niveau de preuve. L'interprétation finale des preuves et leur adaptation au patient appartiennent au pharmacien.
Tâche de candidature
Choisissez une question clinique dans votre propre pratique et demandez à l'IA de la traduire en PICO. Prenez les termes de recherche et effectuez vous-même la recherche sur une base de données reconnue. Demandez à l'IA quelques « sources » sur le sujet et essayez d'ouvrir le DOI de chacune ; Notez combien sont réels et combien sont inventés. Enfin, demandez à l’IA de résumer un article réel, comparez le résumé avec le résultat original et signalez toute distorsion.
liste de contrôle
- [ ] J'ai structuré la question autour de PICO.
- [ ] J'ai pris les termes de recherche, j'ai fait la recherche moi-même.
- [ ] J'ai ouvert chaque source avec DOI et vérifié son authenticité.
- [ ] J'ai comparé les résumés avec le texte original.
- [ ] J'ai évalué le niveau de preuve et l'opportunité.
- [ ] J'ai envisagé un conflit d'intérêts.
- [ ] J'ai enregistré des sources vérifiées.