Evaluación de la calidad y comprensibilidad de los resúmenes de informes de radiología generados por ChatGPT: estudio...

Área de la Ciencia:

• Análisis de imágenes médicas
• Inteligencia artificial en el cuidado de la salud
• Comunicación con el paciente

Sus antecedentes:

• Los informes de radiología contienen información médica vital, pero a menudo son difíciles de entender para los pacientes.
• Los desafíos de comprensión del paciente pueden conducir a la ansiedad y a una participación reducida en las decisiones de atención médica.
• Los grandes modelos lingüísticos (LLM) ofrecen el potencial para crear resúmenes simplificados y accesibles para el paciente.

Objetivo del estudio:

• Evaluar la exactitud y claridad de los resúmenes de los informes de radiología generados por ChatGPT.
• Evaluar la comprensión y satisfacción del paciente con estos resúmenes en comparación con los informes originales.
• Comparar la legibilidad de los informes originales y los resúmenes generados por IA.

Principales métodos:

• Se resumieron treinta informes de radiología anónimos (neuroradiología) utilizando ChatGPT.
• Los radiólogos evaluaron la calidad y la precisión del resumen; los pacientes voluntarios evaluaron la comprensibilidad y la satisfacción.
• La legibilidad se midió utilizando escalas validadas y el recuento de palabras.

Principales resultados:

• La confianza del paciente en la comprensión (98%), la satisfacción con la terminología (91%) y el tiempo de comprensión (97%) mejoraron significativamente con los resúmenes.
• Los radiólogos encontraron resúmenes muy representativos de los informes originales (83%), con casos mínimos de información faltante o mal enfatizada.
• No se identificaron hallazgos fabricados; la mayoría de los pacientes (83%) consideraron que los resúmenes no conducirían a conclusiones incorrectas.

Conclusiones:

• Los resúmenes generados por ChatGPT mejoran la comprensión y la satisfacción del paciente al tiempo que mantienen una alta precisión.
• Las inexactitudes menores (omisiones, problemas de énfasis) requieren una validación continua y supervisión humana.
• Los resúmenes basados en IA y centrados en el paciente son prometedores para mejorar la comunicación en radiología.