Modelo grande multimodal de lenguaje versus médicos de urgencias para la evaluación de quemaduras: un estudio...

Área de la Ciencia:

• Inteligencia artificial en medicina; Diagnóstico en medicina de urgencias; Análisis de imágenes médicas

Sus antecedentes:

• La evaluación precisa de las quemaduras es fundamental para el manejo del paciente, pero sufre de variabilidad entre clínicos.; Los modelos grandes de lenguaje ofrecen potencial para el soporte de decisiones escalable basado en imágenes en entornos de urgencias.; La validación prospectiva de modelos de IA frente a clínicos y estándares de expertos es limitada.

Objetivo del estudio:

• Evaluar la precisión diagnóstica y el acuerdo de un modelo grande multimodal de lenguaje para la evaluación del tamaño y la profundidad de las quemaduras.; Comparar el rendimiento de la IA con el de los médicos de urgencias utilizando un estándar de referencia robusto.; Determinar la no inferioridad de la IA para la estimación de la superficie corporal total (SCT).

Principales métodos:

• Estudio prospectivo de precisión diagnóstica en un departamento de urgencias terciario.; Se analizaron fotografías estandarizadas de tres vistas de regiones de quemaduras agudas por un LLM multimodal y 18 médicos de urgencias.; Comparación con un estándar de referencia de panel de expertos para la estimación de la SCT y la clasificación de la profundidad de las quemaduras.

Principales resultados:

• El modelo de IA demostró no inferioridad frente a los médicos para la estimación de la SCT a nivel regional (error absoluto medio de 1,40 frente a 0,89 puntos porcentuales).; El consenso médico mostró un acuerdo sustancialmente mayor para la clasificación de la profundidad de las quemaduras (kappa 0,65) en comparación con el modelo de IA (kappa 0,14).; El modelo de IA subestimó sistemáticamente las quemaduras más profundas.

Conclusiones:

• La IA multimodal puede servir como un complemento para la estimación de la SCT en la atención de urgencias por quemaduras.; El rendimiento de la IA para la clasificación de la profundidad de las quemaduras es actualmente insuficiente, lo que requiere una evaluación dirigida por el clínico.; Se necesita un mayor desarrollo y validación externa para la IA en la evaluación de la profundidad de las quemaduras.