De las revisiones a tiempo real: evidencia dinámica en odontología

Área de la Ciencia:

• Informática Biomédica
• Inteligencia Artificial en la Atención Médica
• Odontología Basada en Evidencia

Sus antecedentes:

• El crecimiento de la literatura biomédica supera los métodos tradicionales de revisión sistemática.
• Las revisiones sistemáticas consumen muchos recursos y quedan obsoletas rápidamente.
• Existe una brecha entre la investigación actual y la práctica clínica en odontología.

Objetivo del estudio:

• Introducir la Generación Aumentada por Recuperación (RAG) como metodología para revisiones de evidencia dinámicas.
• Abordar la necesidad de una síntesis oportuna y precisa de las últimas investigaciones para los profesionales de la salud dental.
• Mitigar errores fácticos y alucinaciones comunes en Modelos de Lenguaje Grandes (LLMs) independientes.

Principales métodos:

• La Generación Aumentada por Recuperación (RAG) combina Modelos de Lenguaje Grandes (LLMs) con una base de conocimiento actualizada continuamente.
• La RAG basa las respuestas generadas por IA en fuentes recuperadas verificables y en tiempo real.
• Se describen tres vías de integración para la RAG: grupos de pre-recuperación, portales de revisión continua y publicaciones procesables por máquinas.

Principales resultados:

• La RAG permite la síntesis dinámica y bajo demanda de la evidencia actual.
• Los clínicos pueden recibir respuestas concisas y completamente citadas a preguntas complejas en lenguaje natural.
• Esto facilita el acceso rápido a información sobre selección de materiales, resultados de curación y comparaciones de procedimientos.

Conclusiones:

• La RAG presenta una alternativa escalable y transparente a las revisiones sistemáticas estáticas.
• El enfoque puede acortar significativamente el cronograma desde el descubrimiento de la investigación hasta la práctica clínica.
• La RAG apoya la inteligencia aumentada, integrando la IA con la evaluación crítica humana para la odontología basada en evidencia.