Évaluation de la concordance diagnostique de l’intelligence artificielle (ChatGPT) dans l’identification des indications de césarienne d’urgence à partir des dossiers obstétricaux du service de gynécologie-obstétrique du Centre Hospitalier Régional Universitaire de Fada N’Gourma (CHRU-FG).

Résumé

Les césariennes d’urgence nécessitent une identification rapide et précise de leurs indications afin de réduire la morbi-mortalité materno-fœtale. L’émergence de l’intelligence artificielle, notamment des modèles de langage tels que ChatGPT, ouvre de nouvelles perspectives pour l’aide à la décision clinique. Cependant, leur performance en matière d’identification des indications obstétricales en conditions réelles demeure peu documentée, notamment dans des contextes à ressources limitées. Il s’est agi d’une étude transversale rétrospective d’exactitude diagnostique menée au Centre Hospitalier Régional Universitaire de Fada N’Gourma. Les dossiers de patientes ayant bénéficié d’une césarienne d’urgence ont été analysés. Des vignettes cliniques soumises à ChatGPT ont permis d’identifier l’indication principale, puis de les comparer aux décisions des cliniciens. La concordance a été évaluée au moyen du coefficient kappa, et les performances diagnostiques ont été mesurées par la sensibilité, la spécificité, la VPP et la VPN. Une régression logistique a permis d’identifier les facteurs associés à cette concordance. Au total, 62 cas ont été analysés. La concordance globale était de 75,8 %, avec un kappa de 0,69, ce qui indique une bonne concordance. La meilleure performance a été observée pour la prééclampsie (sensibilité 91,67% ; spécificité 98%). Les dossiers complets (OR=3,2 ; p=0,01) et les indications fréquentes (OR=2,3 ; p=0,001) étaient significativement associés à une meilleure concordance. ChatGPT présente de bonnes performances diagnostiques pour l’identification des indications de césarienne d’urgence, bien que dépendante de la qualité des données cliniques et du type d’indication.