Medicome et le Raisonnement Génératif Inversé pour le renforcement des scripts cliniques : Protocole de l'essai randomisé contrôlé IMPACT-R2C

Contexte : L'enseignement du raisonnement clinique s'appuie classiquement sur une démarche hypothético-déductive. Cependant, selon la théorie des scripts cliniques (Illness Scripts, Schmidt et al., 1990), la compétence diagnostique repose sur la génération et la mobilisation active de représentations prototypées. Les outils numériques existants testent principalement la reconnaissance passive d'indices. Objectif : Présenter le protocole de l'essai randomisé contrôlé IMPACT-R2C (Improving Medical Performance Through Active Clinical Thinking – Randomized and Controlled Comparison) évaluant l'efficacité pédagogique de Medicome, un simulateur clinique à raisonnement génératif inversé. Méthodes : Medicome repose sur une architecture d'intelligence artificielle neuro-symbolique « boîte blanche » : un modèle de langage (LLM) est strictement confiné à l'extraction sémantique en langage naturel, tandis qu'un moteur déterministe pondéré exécute le raisonnement diagnostique, éliminant tout risque d'hallucination médicale. L'essai compare en groupes parallèles deux modalités d'entraînement sur 300 étudiants en médecine : un groupe expérimental (inversion des rôles, l'étudiant incarnant le patient face à l'algorithme) et un groupe contrôle (enquête clinique standardisée face à un patient virtuel). Résultats attendus : Le critère de jugement principal est la rétention et la solidité des scripts cliniques mesurées à J+30 par Tests de Concordance de Script (TCS). Type d'article : Study Protocol & Technical Design Paper