README: Uniendo la jerga médica y la comprensión general para la educación del paciente a través del PLN centrado en...

Área de la Ciencia:

• Procesamiento del Lenguaje Natural
• Informática de la Salud
• Educación del Paciente

Sus antecedentes:

• La atención médica está cada vez más centrada en el paciente, enfatizando el autocuidado y la educación.
• Los Registros de Salud Electrónicos (HCE) contienen jerga médica compleja que dificulta la comprensión del paciente.
• Superar la brecha de conocimiento médico es crucial para una atención efectiva centrada en el paciente.

Objetivo del estudio:

• Desarrollar un sistema automatizado para generar definiciones de lenguaje común de términos médicos.
• Simplificar información médica compleja dentro de los HCE para mejorar la comprensión del paciente.
• Avanzar en la atención médica centrada en el paciente a través de un lenguaje médico accesible.

Principales métodos:

• Se creó el conjunto de datos README: más de 50 000 pares de términos médicos/definiciones de lenguaje común con anotaciones de expertos.
• Se diseñó un pipeline Humano-IA para filtrar, aumentar y seleccionar datos con el fin de mejorar la calidad de los mismos.
• Se utilizó Generación Aumentada por Recuperación con modelos de código abierto ajustados entrenados en el conjunto de datos README.

Principales resultados:

• Los modelos de código abierto ajustados con datos de alta calidad logran un rendimiento comparable o superior a los modelos de código cerrado de última generación.
• Se demostró la efectividad del conjunto de datos README y el pipeline Humano-IA para mejorar la calidad de la salida del modelo.
• Se redujeron las alucinaciones y se mejoró la precisión de las definiciones de lenguaje común generadas.

Conclusiones:

• La generación automatizada de definiciones de lenguaje común es factible y efectiva para simplificar la jerga médica.
• Los conjuntos de datos curados y de alta calidad permiten que los modelos de código abierto compitan con los LLM propietarios avanzados.
• Este trabajo contribuye significativamente a cerrar la brecha de conocimiento del paciente y a apoyar la atención médica centrada en el paciente.