Creación y adopción de grandes modelos de lenguaje en medicina

Área de la Ciencia:

• La informática médica
• Inteligencia artificial en el cuidado de la salud
• Apoyo a la decisión clínica

Sus antecedentes:

• El interés creciente en los grandes modelos de lenguaje (LLM) para aplicaciones médicas potenciales.
• Las aplicaciones actuales de LLM en medicina a menudo carecen de datos específicos de capacitación médica y verificación de beneficios.
• Riesgo de perder la agencia en la configuración de la integración de la LLM si no se participa activamente.

Objetivo del estudio:

• Hacer hincapié en la necesidad de una participación activa en la configuración del uso de los LLM en medicina.
• Destacar la importancia del desarrollo y el despliegue responsables de herramientas médicas basadas en LLM.
• Abogar por un enfoque proactivo en la integración de la inteligencia artificial en el cuidado de la salud.

Principales métodos:

• Análisis de las tendencias actuales en la adopción de LLM en tareas médicas.
• Identificación de las lagunas en la formación y la validación de LLM para la atención sanitaria.
• Propuesta marco para la configuración activa del desarrollo y despliegue de LLM.

Principales resultados:

• Las aplicaciones de LLM se utilizan cada vez más para tareas médicas sin una capacitación adecuada en datos médicos o validación de beneficios.
• La observación pasiva corre el riesgo de ceder el control sobre cómo los LLM cambian la práctica médica.
• La configuración activa requiere el suministro de datos relevantes, la definición de beneficios y la evaluación en el mundo real.

Conclusiones:

• La participación activa es esencial para aprovechar los beneficios de los LLM en la medicina de manera responsable.
• El suministro de datos médicos, la especificación de beneficios y las pruebas en el mundo real son fundamentales para la integración segura de LLM.
• La configuración proactiva garantiza que los LLM sirvan para mejorar, en lugar de interrumpir, la práctica médica.