Video Experimental Relacionado
Updated: Feb 26, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
Uso de la inteligencia artificial de modelos de lenguaje grandes para mejorar la perspectiva del comité de
Mark A Pittman1,2,3, Carl Ehrett4, Mirinda A Gormley1,2,3
1Department of Emergency Medicine Prisma Health Upstate Greenville South Carolina USA.
La inteligencia artificial (IA) muestra una promesa en la evaluación de la retroalimentación de los residentes, generando evaluaciones calificadas como de mayor calidad y precisión que las humanas. Si bien la retroalimentación generada por IA es comparable o superior, su utilidad requiere un estudio más detallado.
Área de la Ciencia:
- Educación Médica
- Inteligencia Artificial en la Atención Médica
- Evaluación de Competencias Clínicas
Sus antecedentes:
- Los modelos de lenguaje grandes (LLM) ofrecen potencial para mejorar la evaluación de residentes.
- Existe una investigación limitada que compara la IA con el análisis humano de las evaluaciones clínicas.
- Este estudio evalúa la IA de LLM para el análisis de la retroalimentación de residentes.
Objetivo del estudio:
- Evaluar la efectividad de la IA de LLM en la evaluación de la retroalimentación de los residentes.
- Comparar las evaluaciones de residentes generadas por IA con las generadas por humanos.
- Explorar el papel de la IA en la optimización de los procesos de revisión de educadores.
Principales métodos:
- Se utilizó el LLM Llama-3.1 70B para analizar la retroalimentación de educadores de medicina de emergencia (EM) para 31 residentes de EM.
- La IA generó resúmenes de las fortalezas, debilidades y el desempeño de los hitos de los residentes.
- Se encuestó a los miembros del comité de competencias clínicas (CCC) sobre la calidad, precisión, especificidad y utilidad del contenido generado por IA.
Principales resultados:
- Las evaluaciones generadas por IA fueron significativamente más largas (391 palabras) que las evaluaciones humanas (79 palabras).
- Los miembros del CCC calificaron el contenido de IA de manera más favorable en cuanto a calidad, precisión y especificidad.
- Las calificaciones de utilidad favorecieron el contenido generado por humanos, aunque la IA fue calificada como aceptable por el 54.1%.
Conclusiones:
- La IA puede producir evaluaciones de residentes de EM con calidad, precisión y especificidad comparables o superiores a las evaluaciones humanas.
- Las evaluaciones impulsadas por IA tienen el potencial de optimizar la revisión de educadores y reducir la carga de trabajo.
- Se justifica una mayor investigación sobre la utilidad de la retroalimentación generada por IA.
Más Videos Relacionados
Videos de Conceptos Relacionados
Language and Cognition
Higher Mental Functions of the Brain: Language
Language formation and comprehension take place in the dominant hemisphere. The dominant hemisphere is responsible for understanding the meaning of spoken, written, or sign language, as well as the ability to communicate. For most people, the left hemisphere is the dominant one. The right hemisphere, then, gives tone and emotional context to the...

