Uso de inteligencia artificial generativa en la síntesis de evidencia: una revisión sistemática

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en Investigación
• Metodologías de Síntesis de Evidencia

Sus antecedentes:

• Las herramientas de inteligencia artificial generativa (IA generativa) son cada vez más accesibles para la investigación.
• Se propone la IA generativa como una herramienta para acelerar la síntesis de evidencia.
• Este estudio evalúa el rendimiento de la IA generativa en la síntesis de evidencia en comparación con los métodos tradicionales.

Objetivo del estudio:

• Evaluar la precisión, las tasas de error y el potencial de ahorro de tiempo de la IA generativa en la síntesis de evidencia.
• Comparar el rendimiento de la IA generativa con los enfoques de síntesis de evidencia dirigidos por expertos.

Principales métodos:

• Se realizó una revisión sistemática buscando en cinco bases de datos el 17 de enero de 2025.
• Los resultados incluyeron precisión, tasas de error y tiempo empleado para la IA generativa en la síntesis de evidencia.
• El riesgo de sesgo se evaluó utilizando una herramienta QUADAS-2 modificada.

Principales resultados:

• La IA generativa omitió el 68 % -96 % de los estudios durante la búsqueda.
• Las decisiones de cribado incorrectas variaron del 0 % al 29 % para la inclusión y del 1 % al 83 % para la exclusión.
• También se observaron errores en la extracción de datos (4 % -31 %) y errores en la evaluación del riesgo de sesgo (10 % -56 %).

Conclusiones:

• La evidencia actual no respalda el uso no supervisado de la IA generativa en la síntesis de evidencia.
• La IA generativa puede ayudar a los humanos en la síntesis de evidencia para tareas distintas de la búsqueda inicial.
• La supervisión humana es crucial para una síntesis de evidencia confiable asistida por IA generativa.