Ce livre blanc examine si l’historique qu’un médecin laisse dans un moteur de recherche clinique peut devenir un portrait qui décrit cette personne précise plutôt qu’un type de médecin. Quatre agents de modèles de langage, aveugles les uns aux autres, ont lu chaque historique du point de vue d’un clinicien, d’un enseignant, d’un chercheur en comportement informationnel et d’un sceptique, produisant des portraits d’environ 10,700 tokens en médiane. Les portraits ont été testés sur 339 médecins et 34,241 recherches d’Arkangel AI au moyen de trois évaluations : identification, spécialité et génération de requêtes futures.
En scindant chaque historique en deux, le portrait d’une moitié correspondait à l’autre moitié du même médecin dans 78.4 % des cas (hasard 0.3 %), mais la simple concaténation du texte brut des recherches atteignait 85.0 % et surpassait le portrait dans toutes les strates de volume. Le portrait identifiait la spécialité déclarée chez 49.9 % des médecins contre 41.3 % pour le texte brut, un avantage venu des généralistes, et en génération de requêtes il classait le bon médecin plus haut pour 157 médecins contre 96 (p < 0.0001), sans différence significative à la première place (p = 0.17). L’accord entre portraits issus de moitiés différentes était limité (ICC médian de 0.496 sur 22 dimensions), et une revue ultérieure du code a relevé un chevauchement entraînement-test touchant 3.7 % de l’ensemble réservé. Tous les résultats sont exploratoires ; il s’agit d’un livre blanc non relu par les pairs.
