Inteligencia artificial en revisiones sistemáticas de la literatura: ética, aplicación y viabilidad del trabajo...

Área de la Ciencia:

• Metodología de la investigación médica
• Inteligencia artificial en la investigación
• Investigación en trabajo social

Sus antecedentes:

• Las revisiones de alcance son cruciales para sintetizar la evidencia, pero requieren mucho tiempo.
• La IA generativa ofrece el potencial para racionalizar los procesos de investigación.
• Los especialistas en apoyo de pares desempeñan un papel vital en el manejo del trastorno por consumo de opiáceos (DOU).

Objetivo del estudio:

• Comparar los hallazgos temáticos de las herramientas de IA con los resultados de la revisión de alcance manual.
• Evaluar la efectividad de la IA generativa para identificar temas en la investigación médica.
• Evaluar el papel de la IA en la racionalización de los procesos de investigación que requieren mucho tiempo.

Principales métodos:

• Se realizó una revisión de alcance dirigida por humanos en especialistas en apoyo por pares para OUD.
• Los resultados temáticos se compararon con los resultados de las herramientas de IA (NotebookLM, UTVERSE, Gemini).
• Se instó a las herramientas de IA a identificar temas únicamente a partir de 15 artículos subidos revisados por pares.

Principales resultados:

• Los modelos de IA identificaron del 53% al 80% de los temas del análisis manual.
• Las herramientas de IA detectaron temas nuevos, pero también generaron temas inexactos o perdidos.
• Existe una variabilidad significativa en el rendimiento de la IA generativa para el análisis temático.

Conclusiones:

• La revisión de expertos humanos es esencial para validar los temas generados por la IA en cuanto a precisión y relevancia.
• Un enfoque híbrido que combina la IA con la revisión de expertos puede mejorar la metodología de investigación.
• El establecimiento de mejores prácticas para la colaboración entre humanos y IA es crucial para la investigación en trabajo social.