Ce livre blanc évalue quelles tâches d’appui par l’IA en soins primaires et en médecine interne disposent de données suffisantes pour être envisagées avec prudence, lesquelles restent expérimentales et quelle gouvernance serait nécessaire aux équipes latino-américaines. Il s’agit d’une synthèse narrative rapide fondée sur des recherches PubMed et des recherches ciblées menées en juin et juillet 2026, couvrant la synthèse longitudinale, la documentation, la recherche dans le dossier patient informatisé, la messagerie, la prédiction du risque et l’aide au diagnostic. C’est une littérature grise non évaluée par les pairs, publiée par Arkangel AI, qui n’évalue aucun produit d’Arkangel.
Une revue systématique de 519 études sur les grands modèles de langage en santé a montré que seules 5 % utilisaient des données réelles de soins. Dans une étude intégrée au dossier patient informatisé, les brouillons de réponse aux messages des patients rédigés par l’IA ont allongé de 21.8 % le temps de lecture des médecins, sans réduire significativement le temps de réponse, et ont rendu les réponses 17.9 % plus longues ; un essai randomisé auprès de 50 médecins n’a pas montré d’amélioration significative du raisonnement diagnostique avec l’accès à un modèle de langage. Une revue des algorithmes prédictifs en soins primaires a recensé 43 outils déployés, avec peu de données publiques sur l’ensemble de leur cycle de vie. Les données régionales directes sont rares, la principale étant une revue de la portée brésilienne de 27 études, et les auteurs présentent l’IA comme un appui vérifiable pour la synthèse, la documentation et la recherche, et non comme un outil diagnostique ou thérapeutique autonome.
