Automatización del cálculo de la puntuación de gravedad de lesiones mediante modelos de lenguaje grandes: un estudio...

Área de la Ciencia:

• Informática médica
• Cirugía de traumatología
• Inteligencia artificial en la atención médica

Sus antecedentes:

• La Puntuación de Gravedad de Lesiones (ISS) es vital para la evaluación de traumatismos, pero el cálculo manual es propenso a errores y consume mucho tiempo.
• Los métodos actuales se basan en la puntuación manual por parte de los registradores, lo que genera posibles imprecisiones y retrasos.

Objetivo del estudio:

• Evaluar la viabilidad de utilizar un modelo de lenguaje grande (LLM) para el cálculo automatizado de la ISS.
• Evaluar la precisión y fiabilidad de la puntuación de traumatismos asistida por LLM en comparación con los métodos manuales.

Principales métodos:

• Estudio retrospectivo en un centro de traumatología de nivel I utilizando datos de pacientes de 2022.
• LLM entrenado con indicaciones estructuradas sobre principios de puntuación de traumatismos.
• Validación utilizando 100 casos, comparando la ISS generada por LLM con la ISS calculada por el registrador mediante correlación de Pearson, ICC y análisis de Bland-Altman.

Principales resultados:

• Alta concordancia entre la ISS del LLM y la ISS del registrador (ICC=0,981).
• El LLM demostró una alta precisión (0,91) con un sesgo medio mínimo (-0,03) en el análisis de Bland-Altman.
• Rendimiento consistente en diferentes rangos de ISS.

Conclusiones:

• La ISS generada por LLM es un método automatizado fiable y preciso para la puntuación de traumatismos.
• Potencial para agilizar los flujos de trabajo clínicos y reducir los errores humanos en la evaluación de traumatismos.
• La investigación futura debe centrarse en la integración en tiempo real y la aplicación a otros sistemas de puntuación.