Desarrollo y evaluación de un sistema de resumen de notas clínicas utilizando grandes modelos de lenguaje

Área de la Ciencia:

• Inteligencia artificial en el cuidado de la salud
• Procesamiento del lenguaje natural
• Informática clínica

Sus antecedentes:

• Las notas clínicas contienen datos vitales de hospitalización de pacientes, pero son difíciles de evaluar debido al volumen y la complejidad.
• El resumen preciso de las notas clínicas es crucial para la toma de decisiones clínicas eficaces.
• Los grandes modelos de lenguaje (LLM) ofrecen un enfoque prometedor para generar un texto clínico coherente y contextualmente relevante.

Objetivo del estudio:

• Desarrollar un sistema de resumen de la aprobación de la gestión que utilice grandes modelos lingüísticos.
• Asegurar que el sistema satisfaga las necesidades prácticas y las experiencias de los usuarios finales, incluidos los médicos y los pacientes.
• Establecer un marco de evaluación sólido para evaluar el rendimiento del LLM.

Principales métodos:

• Realizó encuestas en línea y entrevistas con médicos y pacientes para recopilar comentarios de los usuarios.
• Desarrolló un sistema de calificación para evaluar la eficacia inmediata.
• Comparó los resultados generados por el LLM con las evaluaciones humanas como puntos de referencia.

Principales resultados:

• El LLM demostró una precisión de interpretación de diagnóstico cercana a los niveles humanos.
• El sistema muestra potencial para ayudar a los profesionales de la salud con las tareas de documentación de rutina.
• Los comentarios de los usuarios se incorporaron para refinar la utilidad práctica del sistema.

Conclusiones:

• Los LLM muestran un potencial significativo para mejorar los entornos clínicos.
• Esta tecnología puede racionalizar los procesos de documentación de atención médica.
• Los LLM abren nuevas vías para el apoyo a la toma de decisiones en la asistencia sanitaria.