Introducción y Objetivos
Los modelos de lenguaje grande (LLM) son modelos de aprendizaje automático que capturan patrones sutiles del uso del lenguaje en contexto, basados en arquitecturas de redes neuronales que utilizan métodos de transformador. Este estudio Delphi adaptado tiene como objetivo recopilar las opiniones de los investigadores sobre cómo los LLM podrían influir en el cuidado de la salud y sobre las fortalezas, debilidades, oportunidades y amenazas de su uso.
Métodos
Se invitó a investigadores en los campos de la informática de la salud, la informática de enfermería y el procesamiento del lenguaje natural (NLP) médico a compartir sus opiniones sobre el uso de LLM en el cuidado de la salud. Se realizaron tres rondas de encuestas con preguntas abiertas y escalas Likert para evaluar las percepciones sobre los casos de uso, beneficios, riesgos, aspectos de adopción y el futuro de los LLM en el cuidado de la salud.
Resultados
El estudio contó con la participación de 28, 23 y 21 investigadores en las rondas uno, dos y tres, respectivamente. Se alcanzó un consenso en 103 ítems relacionados con los casos de uso, beneficios, riesgos, fiabilidad, aspectos de adopción y el futuro de los LLM en el cuidado de la salud. Los participantes identificaron varios casos de uso, incluyendo el apoyo a tareas clínicas, tareas de documentación, investigación médica y educación. Los beneficios acordados incluyen una mayor eficiencia en la gestión de datos, mejora en la automatización de procesos, calidad de los servicios de salud y resultados generales, atención personalizada, diagnóstico y tratamiento acelerados, y mejora en la interacción entre pacientes y profesionales de la salud. Se identificaron cinco riesgos principales para el cuidado de la salud: brechas de ciberseguridad, potencial de desinformación del paciente, preocupaciones éticas, probabilidad de toma de decisiones sesgada y riesgo asociado con la comunicación inexacta. Además, se identificaron seis riesgos relacionados con la privacidad: uso de servicios en la nube no regulados, exposición de datos sensibles de pacientes, violaciones de confidencialidad, uso fraudulento de información, vulnerabilidades en el almacenamiento y comunicación de datos, y acceso o uso inapropiado de datos de pacientes.
Conclusiones
La investigación futura sobre los LLM no solo debe centrarse en probar sus posibilidades para tareas relacionadas con el NLP, sino también considerar los flujos de trabajo a los que los modelos podrían contribuir y los requisitos de calidad, integración y regulaciones necesarios para una implementación exitosa en la práctica.
Referencia Bibliográfica: #
Denecke, K., May, R., Rivera Romero, O., & LLMHealthGroup. (2024). Potential of Large Language Models in Health Care: Delphi Study. Journal of Medical Internet Research, 26, e52399. https://doi.org/10.2196/52399
Enlace al Artículo: #
Potential of Large Language Models in Health Care: Delphi Study
