A tenor de los resultados de un estudio realizado por investigadores estadounidenses, si la petición es lo suficientemente detallada y precisa, la inteligencia artificial (IA) generativa puede escribir la historia de una enfermedad en curso (HPI, por sus siglas en inglés) con un nivel comparable al de un residente experimentado.
Capaces de producir respuestas textuales convincentes a peticiones humanas, los grandes modelos de lenguaje (LLM, por sus siglas en inglés) son un tipo de IA generativa que podrían tener utilidad en la elaboración automática de documentación médica, una tarea que supone una carga nada desdeñable en la actividad clínica.
Para probarlo, internistas californianos diseñaron un estudio para comparar las HPI generadas a partir de peticiones realizadas a
ChatGPT con las elaboradas por cuatro residentes sénior de medicina interna (MI) en base a las transcripciones de entrevistas con tres pacientes que presentaban dolor torácico. Los resultados se han publicado en
JAMA Internal Medicine.
Los adjuntos que valoraron las HPI acertaron la autoría (residente o IA) en seis de cada diez casos
Un total de 30 médicos adjuntos de MI evaluaron a ciegas cinco HPI cada uno: cuatro escritas por residentes y una generada por el LLM. Concretamente, tuvieron que valorar tres aspectos concretos (nivel de detalle, concisión y organización) hasta sumar un máximo de 15 puntos. También debían indicar si creían que cada HPI estaba escrita por un residente o por el chatbot.
Las HPI generadas por IA que valoraron los adjuntos fueron las mejores obtenidas tras realizar un proceso conocido como “ingeniería de petición”, que consistió en tres rondas de peticiones cada vez más precisas y detalladas para optimizar los resultados del LLM y evitar las “alucinaciones”, como se conoce a la incorporación de información inventada en las respuestas.
En conjunto, las HPI elaboradas por los residentes recibieron una puntuación media ligeramente superior (12,18) a las generadas por ChatGPT (11,23), si bien la diferencia no fue significativa. Por otro lado, los adjuntos acertaron la autoría de seis de cada diez HPI evaluadas.
Los autores destacan que los LLM tienen potencial para ayudar a los clínicos en tareas de documentación médica, por lo que serán necesarios más estudios al respecto. También destacan la importancia de la colaboración entre clínicos y desarrolladores de IA para trabajar en herramientas que optimicen la precisión de los resultados.
Referencia
Nayak A, Alkaitis MS, Nayak K, Nikolov M, Weinfurt KP, Schulman K. Comparison of History of Present Illness Summaries Generated by a Chatbot and Senior Internal Medicine Residents [published online ahead of print, 2023 Jul 17].
JAMA Intern Med. 2023;e232561.
doi:10.1001/jamainternmed.2023.2561OAD-ES-AMG-0001
Aceptar y salir
