Video Experimental Relacionado
Updated: Apr 19, 2026

Drug Repurposing Hypothesis Generation Using the "RE:fine Drugs" System
Published on: December 11, 2016
El papel de la inteligencia artificial generativa en el proceso de revisión sistemática en la investigación en salud:
Muhammed Rashid1, Cheng Su Yi2, Thipsukhon Sathapanasiri1
1Department of Pharmacotherapy, College of Pharmacy, University of Utah, Salt Lake City, UT, USA.
La IA generativa (IAG) se muestra prometedora en las revisiones sistemáticas de atención médica para formular preguntas y extraer datos. Sin embargo, la fiabilidad inconsistente significa que GAI aún no se recomienda para búsquedas de literatura o selección de estudios.
Área de la Ciencia:
- Investigación en el ámbito sanitario
- Aplicaciones de la inteligencia artificial
- Metodología de la revisión sistemática
Sus antecedentes:
- La inteligencia artificial (IA) se utiliza cada vez más en el cuidado de la salud.
- La IA generativa (GAI) está surgiendo como una herramienta para los procesos de revisión sistemática (SR).
- La evaluación del desempeño de GAI en SR es crucial para su adopción.
Objetivo del estudio:
- Resumir las métricas de rendimiento de la IA generativa (GAI) en los procesos de revisión sistemática (SR).
- Evaluar la eficacia de la GAI en las diferentes etapas de la RS.
Principales métodos:
- Buscado en varias bases de datos (PubMed, EMBASE, Scopus, ProQuest) hasta marzo de 2025.
- Se incluyeron estudios experimentales que compararon la IAG con otras IAG o con revisores humanos.
- Evaluación de la calidad del estudio utilizando la versión modificada de Evaluación de la calidad de los estudios de precisión diagnóstica v2.
- Se empleó un enfoque narrativo para resumir los hallazgos.
Principales resultados:
- Se incluyeron 30 estudios, utilizando herramientas GAI como ChatGPT, Bard y Microsoft Bing AI.
- GAI demostró su eficacia en la formulación de PICO (participante, intervención, comparador, resultado) y la extracción de datos.
- GAI no se recomienda para la búsqueda de literatura y la selección de estudios debido a la fiabilidad inconsistente.
- La evidencia sobre GAI para la evaluación del riesgo de sesgo fue mixta.
- Los estudios sobre GAI para la selección de estudios fueron generalmente de alta calidad.
Conclusiones:
- GAI ofrece un apoyo prometedor para la formulación de PICO y la extracción de datos en SR.
- GAI tiene el potencial de mejorar los flujos de trabajo de RS en el cuidado de la salud.
- Para una integración completa son necesarios estudios adicionales de validación y aplicación práctica.
Más Videos Relacionados
03:14Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
Videos de Conceptos Relacionados
Non-equilibrium in the Cell
Issues And Trends In Healthcare Delivery System
Cost Containment
Payment for healthcare services has historically promoted adoption of costly and often unnecessary or inefficient...
Critical Thinking II
Purpose of Health Records I
Here's a breakdown of how health records serve these purposes:
Nursing Clinical Information System
A Nursing Clinical Information System (NCIS) is a specialized type of healthcare information system tailored to meet the unique needs of nursing practice. It incorporates the principles of nursing informatics to streamline information management and improve the quality of care delivery.
Critical attributes of NCIS include:
Introduction to Cognitive Psychology
This field emerged in the mid-20th century, following a period dominated by behaviorism, which...