Un análisis cualitativo exhaustivo del resumen del diálogo del paciente utilizando grandes modelos lingüísticos...

Área de la Ciencia:

• Procesamiento del lenguaje natural
• Comunicación digital en materia de salud
• Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

• Los equipos de atención médica necesitan un acceso eficiente a la información del paciente para una comunicación personalizada.
• Las plataformas de salud digital a menudo involucran datos de comunicación informales en el mundo real.
• Resumir los diálogos entre el paciente y el proveedor puede mejorar los tiempos de respuesta y la precisión.

Objetivo del estudio:

• Evaluar los grandes modelos lingüísticos (LLM) para resumir los diálogos entre el paciente y el equipo de atención médica.
• Evaluar el rendimiento del LLM en datos de idiomas ruidosos, informales y subrepresentados (portugués).
• Determinar la viabilidad del uso de resúmenes generados por LLM en un entorno de salud electrónica del mundo real.

Principales métodos:

• Recogió y anonimizó un conjunto de datos de mensajes de WhatsApp en portugués entre pacientes y un equipo de atención médica.
• Evaluación de la calidad del diálogo (tamaño, legibilidad, exactitud).
• Resúmenes generados utilizando LLaMA3 y Qwen2 con indicaciones específicas, evaluados por voluntarios sobre cobertura, relevancia, redundancia y veracidad.

Principales resultados:

• Los LLM pueden producir resúmenes eficaces de los diálogos entre pacientes y servicios de salud, incluso con datos lingüísticos de baja calidad y poco representados.
• LLaMA3 mostró una ligera ventaja sobre Qwen2 en cobertura resumida y veracidad.
• Las evaluaciones de los voluntarios indicaron un resumen exitoso a pesar de las características difíciles de los datos.

Conclusiones:

• Los LLM muestran un potencial significativo de aplicación práctica para ayudar a los profesionales de la salud con las respuestas a los mensajes de los pacientes.
• Este enfoque puede mejorar la eficiencia de la comunicación, la claridad y la satisfacción del paciente en la atención médica digital.
• Los hallazgos son particularmente relevantes para entornos con recursos limitados y acceso limitado a la atención primaria.