Grandes modelos lingüísticos para el cuidado de la salud Clasificación de textos: revisión sistemática.

Área de la Ciencia:

• La inteligencia artificial en la medicina.
• Procesamiento del lenguaje natural.
• Informática de la salud Informática de la salud.

Sus antecedentes:

• Los modelos de lenguaje grande (LLM) ofrecen capacidades avanzadas para tareas de procesamiento de lenguaje natural.
• La clasificación de textos precisa y eficiente es vital en el cuidado de la salud para aplicaciones como el análisis de notas clínicas y la codificación de diagnósticos.
• Las revisiones sistemáticas existentes carecen de un enfoque específico en LLMs para la clasificación de textos de atención médica.

Objetivo del estudio:

• Revisar sistemáticamente y evaluar críticamente la literatura sobre aplicaciones de LLM para la clasificación de textos en el cuidado de la salud.
• Para sintetizar la evidencia actual con respecto al rendimiento y las metodologías de LLMs en la clasificación de textos de atención médica.

Principales métodos:

• Se realizó una búsqueda sistemática de la literatura en las principales bases de datos (PubMed, Scopus, etc.) para trabajos publicados entre 2018 y 2024.
• Los estudios se clasificaron por tipo de clasificación, aplicación, metodología, tipo de texto y métricas de evaluación, siguiendo las pautas de PRISMA.
• 65 artículos de investigación elegibles fueron incluidos en la revisión.

Principales resultados:

• Un aumento significativo en las publicaciones desde 2020 hasta el tercer trimestre de 2024, con 28 artículos en los primeros tres trimestres de 2024.
• El ajuste fino (35 trabajos) y la ingeniería rápida (17 trabajos) fueron los enfoques más comunes de LLM.
• Los LLM superaron constantemente a los métodos tradicionales de aprendizaje automático en la clasificación de textos de atención médica, particularmente en aplicaciones de apoyo a la decisión clínica.

Conclusiones:

• Los LLM demuestran un rendimiento superior en la clasificación de textos de atención médica en comparación con el aprendizaje automático tradicional.
• Se necesita más investigación para abordar las brechas identificadas en la literatura y explorar las direcciones futuras.
• La revisión proporciona una visión general completa de la utilización de LLM en la clasificación de textos de atención médica.