Aprovechar la inteligencia artificial en la revisión por pares de artículos de investigación en neurocirugía

Área de la Ciencia:

• Neurocirugía
• Inteligencia artificial
• Publicaciones científicas

Sus antecedentes:

• La revisión por pares tradicional requiere mucho tiempo y retrasa la difusión de investigaciones críticas.
• La inteligencia artificial (IA) ofrece una solución potencial para optimizar la revisión de manuscritos.
• Los preprints neuroquirúrgicos se analizan para evaluar las capacidades predictivas de la IA para los resultados de la publicación.

Objetivo del estudio:

• Evaluar la eficacia de los modelos actuales de IA (ChatGPT 4o, Gemini, Copilot) para predecir la aceptación o el rechazo de los manuscritos neuroquirúrgicos.
• Para comparar las métricas de las revistas entre las preimpresiones aceptadas y las presuntamente no aceptadas.
• Para determinar la precisión de la IA en la predicción de los resultados de la revisión por pares.

Principales métodos:

• Análisis de 51 preimpresiones neuroquirúrgicas (base del cráneo y columna vertebral) de servidores de preimpresión.
• Comparación de las preimpresiones publicadas con las que permanecen en los servidores durante más de 12 meses.
• Se instó a los modelos de IA a predecir la aceptación / rechazo en función de la literatura previa a la publicación.

Principales resultados:

• Los modelos de IA demostraron un rendimiento significativamente bajo, con una precisión que oscila entre el 40% y el 66,67%.
• No se encontraron diferencias significativas en las métricas de la revista (factor de impacto, puntaje de cita) entre las preimpresiones predichas como aceptadas o no aceptadas.
• Las preimpresiones aceptadas, independientemente de la predicción de la IA, mostraron métricas de revistas más altas.

Conclusiones:

• Los modelos actuales de IA tienen una precisión limitada en la predicción de los resultados de la revisión por pares de manuscritos neuroquirúrgicos.
• El desarrollo futuro de la IA, con la colaboración de revistas y el consentimiento de los autores, podría mejorar la precisión de las predicciones.
• La IA tiene potencial para racionalizar el proceso de revisión por pares si mejora la precisión y el acceso a los datos.