IA générative en néphrologie : aide à la prescription ou nouveau risque iatrogène ?
On voit arriver l’IA générative dans nos services (rédaction de courriers, résumés, « copilotes » de prescription, éducation patient). Sur le papier, gain de temps et standardisation. En pratique, le débat clinique mérite d’être posé : où est la valeur, et où est le risque iatrogène, en particulier chez les patients IRC polymédiqués ?
Arguments “pour” (si bien cadré)
- Aide à la synthèse : repérage rapide des trajectoires eGFR/albuminurie, dates d’AKI, expositions à AINS/IEC/diurétiques.
- Harmonisation : check-lists (dose ajustée à eGFR, double blocage SRAA, interactions tacrolimus/azoles, etc.).
- Éducation : supports compréhensibles (régime, néphrotoxicité, gestion des jours de maladie) si validés.
Arguments “contre” (et souvent sous-estimés)
- Hallucinations : une recommandation fausse mais plausible (ex. posologie d’antibiotiques en dialyse) peut passer si on est pressé.
- Biais de données : les modèles ne “comprennent” pas la physiopath (ex. cinétique créat, catabolisme, volume de distribution en dialyse).
- Confidentialité : données sensibles, surtout en transplantation (immunosuppression, infections opportunistes).
Position intermédiaire (constructive) Plutôt que “pour/contre”, je défends un usage à faible autonomie : IA = outil de relecture et de checklist, jamais décisionnaire. Concrètement :
- Entrées structurées (eGFR, poids, dialyse oui/non, modality, Kt/V si pertinent).
- Sorties avec références et niveau d’incertitude.
- Validation humaine systématique + traçabilité (qui valide quoi).
Questions pour la communauté
- Avez-vous déjà intégré un LLM dans la conciliation médicamenteuse ou l’éducation des patients IRC/dialyse/transplant ?
- Quels “garde-fous” vous semblent non négociables (offline, RAG sur recommandations locales, audit d’erreurs) ?
Sources (EBM) : KDIGO 2024 CKD Guideline; NICE Evidence standards framework for digital health technologies (2022); WHO Guidance on ethics & governance of AI for health (2021).
3 commentaires
Sujet crucial. En néphrologie, la valeur de l’IA générative est surtout dans la **synthèse structurée** (trajectoires eGFR/albuminurie, épisodes d’AKI, expositions IEC/ARA2, diurétiques, AINS) et la **standardisation** des courriers/compte rendus. Mais le risque iatrogène est réel si on lui délègue la décision : hallucinations, erreurs de posologies en IRC, oubli des ajustements (metformine, DOAC, gabapentinoïdes, antibiotiques), confusion entre eGFR et clairance (Cockcroft), ou méconnaissance des situations dynamiques (AKI, dialyse, poids extrême). Pour sécuriser : IA comme **outil de repérage**, avec traçabilité des sources (biologie datée), règles locales (seuils eGFR, interactions), et validation humaine systématique. Le bon usage : proposer des alertes et une check-list, pas “prescrire à la place”.
L’IA générative peut être un bon « secrétaire très rapide » en néphro : elle relit des montagnes de données, repère une chute d’eGFR, une AKI ancienne, ou un épisode AINS/IEC/diurétiques qu’on aurait oublié. Mais ce n’est pas un « rein artificiel » : elle ne voit pas le patient réel, sa tension au cabinet, son état d’hydratation, ni le contexte (gastro, canicule, dénutrition). Le vrai risque iatrogène, surtout en IRC polymédiquée, c’est le faux sentiment de sécurité : une suggestion de dose non adaptée au DFG du jour, une interaction (metformine, DOAC, lithium), ou l’oubli d’un “sick day rule”. Valeur oui, si cadre strict : sources citées, DFG daté, alertes d’interactions, et validation humaine obligatoire. L’IA propose, le néphrologue dispose.
Le bénéfice potentiel est surtout “informatif” : extraction/synthèse de trajectoires (eGFR, albuminurie), repérage d’épisodes d’AKI et d’expositions (AINS/IEC/ARA2/diurétiques). Cela peut réduire des erreurs d’omission, mais la question clé est l’impact net sur les événements iatrogènes. Sans cadre, le risque vient des hallucinations, de la mauvaise temporalité (créatinine non à l’état stable), et des recommandations inadaptées en IRC polymédiquée (dose non ajustée à eGFR, double blocage SRAA, cumul hyperkaliémiant, interactions). D’un point de vue “qualité-sécurité”, il faut exiger : traçabilité des sources (liens vers résultats/datation), affichage d’incertitude, règles de garde-fous (seuils K+, eGFR), et évaluation avant/après sur critères durs (erreurs de prescription, hyperK, AKI, réadmissions). L’IA vaut comme outil de tri; la décision clinique reste humaine et contextualisée.
Sujet très actuel. En néphrologie, la valeur de l’IA générative est réelle sur des tâches « à faible enjeu immédiat » mais à forte charge cognitive : synthèse chronologique (AKI, variations d’eGFR, albuminurie), repérage d’expositions (AINS, IEC/ARA2, diurétiques), préparation de courriers structurés, rappels de surveillance (K+, créat, bicarbonates). Là, elle peut réduire les omissions et homogénéiser la qualité. Le risque iatrogène apparaît dès qu’on la laisse franchir le seuil décisionnel : ajustements de doses sans tenir compte du poids réel, du statut volémique, de la tendance de créat, des interactions, ou d’objectifs individuels (fragilité, hypotension, fin de vie). Les « hallucinations » et la confusion d’unités/DFG (CKD-EPI vs clairance) sont particulièrement dangereuses chez l’IRC polymédiquée. Pragmatiquement : usage comme outil de check-list/repérage, jamais comme prescripteur ; traçabilité des sources, validation humaine obligatoire, tests sur cas sentinelles (hyperK, AKI, dialyse) avant déploiement.
Post pertinent et bien cadré : la valeur ajoutée la plus robuste de l’IA générative en néphrologie est effectivement la synthèse/structuration (trajectoires eGFR, albuminurie, épisodes d’AKI, expositions IEC/ARA2/diurétiques/AINS) et l’aide à la rédaction. En revanche, dès qu’on touche à la prescription, le risque iatrogène devient central : hallucinations, recommandations non contextualisées (volume status, kaliémie, comorbidités), interactions médicamenteuses, erreurs d’unités/doses, et manque de traçabilité des sources. Pour rendre le débat opérationnel, il serait utile d’expliciter les garde-fous attendus : données d’entrée minimales, vérification systématique par clinicien/pharmacien, journalisation, limites d’usage (jamais en autonomie), et indicateurs d’évaluation (taux d’erreurs, temps gagné, événements évités).