Des chercheurs de l'université du Michigan ont dévoilé NeuroVFM, un modèle d'intelligence artificielle capable d'analyser une IRM ou un scanner du cerveau en quelques secondes. Publié dans la revue Nature Medicine au 10 juillet 2026, il trie les urgences neurologiques plus justement que GPT-5, tout en restant une aide à la décision confiée aux médecins.

Un modèle nourri par vingt ans d'examens hospitaliers

NeuroVFM (pour visual foundation model) a été entraîné sur 5,24 millions d'IRM et de scanners cérébraux, soit 566 915 examens accumulés pendant plus de vingt ans au sein de Michigan Medicine. Sa particularité tient à la manière dont il apprend : il se forme directement à partir des données brutes de soins courants, sans tri manuel ni étiquetage préalable, grâce à une méthode dite auto-supervisée baptisée Vol-JEPA.

Cette approche, que les auteurs appellent health system learning, consiste à laisser l'IA se construire sur ce que produit réellement un hôpital, au lieu de jeux de données soigneusement sélectionnés à la main. Un entraînement complet a demandé moins de 1 000 heures de calcul GPU, soit environ sept fois plus vite qu'une méthode de référence comparable.

Meilleur que GPT-5 pour trier les urgences

Sur 156 tâches de diagnostic (74 en IRM, 82 au scanner), NeuroVFM a devancé les modèles concurrents, avec un score AUROC de 92,68 au scanner et de 92,49 en IRM. Mais le résultat le plus parlant vient d'un essai prospectif mené sur 1 155 patients : le modèle a classé correctement le niveau d'urgence des examens dans 92,6% des cas, contre 71,2% pour GPT-5.

Associé à un modèle de langage open source, NeuroVFM rédige aussi des comptes rendus structurés qui dépassent GPT-5 et Claude Sonnet 4.5 sur l'interprétation des images, tout en réduisant les erreurs inventées, ces fameuses hallucinations qui fragilisent l'usage médical des IA généralistes.

Une aide au diagnostic, pas un radiologue automatique

Les chercheurs restent prudents. La sensibilité du modèle plafonne à 86,5% : sur 155 anomalies critiques, 21 sont passées inaperçues. Ils insistent donc sur un point clé, NeuroVFM est pensé comme un outil d'aide à la décision, pas comme un système de dépistage autonome. Le code est publié sous licence libre (MIT) et les poids du modèle sont accessibles pour un usage non commercial.

Ce que ça change

Pour un service d'urgence, un tel outil pourrait signaler en priorité les examens les plus graves lorsque les radiologues manquent de temps. L'idée d'apprendre sur les données ordinaires d'un hôpital, plutôt que sur des bases triées à la main, ouvre aussi la voie à des modèles médicaux plus simples à construire et à mettre à jour. Reste la question de la validation clinique et de la responsabilité : tant qu'une IA peut laisser passer des cas graves, le dernier mot revient au médecin.