La médecine interne prend en charge des patients polypathologiques ou atteints de maladies rares, pour lesquels la littérature scientifique apporte souvent des réponses limitées. La recherche de patients similaires consiste à identifier, au sein d’une base de données médicales, des individus dont le profil clinique, biologique, morphologique et évolutif est suffisamment proche de celui d’un patient donné pour que leur expérience éclaire sa prise en charge. Cette démarche prolonge le raisonnement par analogie familier aux cliniciens. L’essor des entrepôts de données de santé et les progrès de l’intelligence artificielle, permettent aujourd’hui d’automatiser cette recherche et d’intégrer des données hétérogènes. Les applications incluent l’aide au diagnostic, l’évaluation pronostique, la personnalisation thérapeutique et le recrutement dans les essais cliniques. Intuitive et explicable, cette approche se heurte cependant à des limites techniques et à un risque de biais d’automatisation, justifiant un encadrement réglementaire et une formation adaptée des médecins.

Internal medicine manages patients with multiple comorbidities or rare diseases, for whom the scientific literature often provides limited guidance. Patient similarity search aims to identify, within a medical database, individuals whose clinical, biological, morphological and longitudinal profile is close enough to that of a given patient for their experience to inform clinical care. This approach extends the analogical reasoning familiar to clinicians. The growth of health data warehouses and recent advances in artificial intelligence, now make it possible to automate this search and integrate heterogeneous data sources. Applications include diagnostic support, prognostic evaluation, treatment personalization and clinical trial recruitment. Although intuitive and explainable, this approach faces technical limitations and a risk of automation bias, justifying regulatory oversight and appropriate physician training.