Optimización de la atención de anestesia: Aprovechamiento de modelos de lenguaje grandes para una planificación...

Área de la Ciencia:

• Anestesiología; Inteligencia artificial; Informática clínica

Sus antecedentes:

• El rápido avance de la inteligencia artificial (IA) requiere investigación sobre sus aplicaciones clínicas.
• Existe una brecha en la comprensión de la utilidad de los modelos de lenguaje grandes (LLM) dentro de la práctica clínica, específicamente en anestesiología.
• Evaluar herramientas de IA para aplicaciones de atención médica es crucial para una integración segura y efectiva.

Objetivo del estudio:

• Evaluar la efectividad de ChatGPT, un modelo de lenguaje grande, en la generación de planes de atención de anestesia.
• Identificar las fortalezas y limitaciones del uso de la IA para redactar documentos críticos de atención al paciente.

Principales métodos:

• Los residentes de enfermería anestésica de primer año ingresaron variables clave del plan de atención de anestesia en ChatGPT.
• Los planes de atención de anestesia generados por IA fueron revisados independientemente por tres miembros expertos de la facultad.
• El análisis se centró en la precisión y la integridad de la salida de ChatGPT con respecto a las variables anestésicas esenciales.

Principales resultados:

• ChatGPT generó con éxito planes anestésicos apropiados basados en el historial médico y los medicamentos caseros proporcionados.
• El modelo de IA demostró limitaciones para abordar adecuadamente variables críticas como la configuración del ventilador, el manejo de líquidos y las dosis de medicación.
• La calidad de la salida de ChatGPT dependió de la claridad y especificidad de la entrada proporcionada por el usuario.

Conclusiones:

• Los modelos de lenguaje grandes como ChatGPT muestran potencial como herramientas de asistencia en la creación de planes de atención de anestesia.
• La utilización efectiva de la IA en entornos clínicos requiere una entrada clara y detallada de profesionales de la salud con conocimientos.
• Se necesita más investigación para refinar las capacidades de la IA para la generación integral de planes de atención de anestesia.