Papel de los grandes modelos lingüísticos en la seguridad del paciente en un estudio de evaluación de expertos

Autores/as

DOI:

https://doi.org/10.59681/2175-4411.v18.2026.1570

Palabras clave:

Sistemas de Apoyo a Decisiones Clínicas, Inteligencia Artificial, Grandes Modelos de Lenguaje

Resumen

Objetivo: Este estudio evalúa comparativamente el desempeño de diferentes Modelos de Lenguaje Grande (LLMs) como herramientas para apoyar la prescripción médica, considerando criterios asociados con la seguridad del paciente y la aplicabilidad clínica, con base en una evaluación ciega de expertos. Métodos: Seis LLMs respondieron cuatro preguntas sobre contraindicaciones, interacciones medicamentosas y dosis. Un panel de 34 médicos evaluó ciegamente 24 respuestas con base en cinco criterios: consistencia, enfoque, coherencia, integridad y detalle. Resultados: El desempeño varió según los criterios y tipos de preguntas; LLM6 mostró mejor integridad y detalle, especialmente en casos complejos. Las preguntas simples, como contraindicaciones, recibieron puntuaciones más altas, mientras que las preguntas complejas mostraron mayor variación. Conclusión: Los hallazgos indican que el uso de LLMs para apoyar la prescripción médica requiere una cuidadosa selección del modelo y consideración del nivel de complejidad clínica, lo que refuerza la necesidad de validación contextual antes de su adopción en entornos de atención médica.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Antonio Valerio Netto, CNPq

Especialista em Ciência de Dados e Inteligência Artificial trabalhando com soluções no IAMSPE desde 2023, onde também co-orienta alunos de mestrado/doutorado no programa de pós-graduação da instituição. É professor de pós-graduação nos cursos de especialização em ciência de dados para saúde, gestão e liderança em enfermagem, além do MBA em saúde digital e gestão. É professor afiliado do departamento de informática em saúde da Escola Paulista de Medicina (EPM/UNIFESP) desde 2022. Foi professor visitante em ciência de dados em saúde e telemedicina na EPM/UNIFESP entre 2019 e 2021. Desde 2011 é pesquisador em Desenvolvimento Tecnológico e Extensão Inovadora do CNPq na área de tecnologia educacional. Tem pós-doutorado pelo Instituto Ensino e Pesquisa do Hospital Sírio-Libanês. Doutorado em computação e matemática computacional pela USP. Mestrado em engenharia pela USP, especialização na área de informática em saúde pela UNIFESP, MBA em Marketing pela FUNDACE FEA-RP/USP, graduação em ciência da computação pela UFSCar e técnico em informática pela ETEP. Em 2003, fundou a Cientistas Desenvolvimento Tecnológico, empresa focada no desenvolvimento de sistemas computacionais que em 2009 foi considerada pelo Sebrae SP uma das pequenas empresas mais inovadoras do estado de São Paulo. Em 2007, fundou a XBot, primeira empresa de robótica móvel do país para as áreas de educação, pesquisa e edutainment, que em 2011 foi uma das vencedoras do prêmio nacional de empreendedorismo e em 2012 recebeu o Prêmio MPE Brasil Estadual São Paulo de destaque em boas práticas de responsabilidade social. É avaliador ad-hoc do CNPq, da Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco (FACEPE), da Fundação de Amparo à Pesquisa do Estado da Bahia (FAPESB) e Assessor Científico do Fundo Mackenzie de Pesquisa. Possui mais de 100 publicações entre livros, capítulos de livros, revistas e congressos internacionais e nacionais nas áreas de computação e engenharia. Possui oito pedidos de patentes e seis registros de marcas. Coordenou em torno de 35 projetos tecnológicos financiados pela FINEP, CNPq, FAPESP, ABDI e empresas privadas. Recebeu diversos prêmios e menções honrosas, como a do Society of Automotive Engineer (SAE) Brasil 2001 - melhor artigo na categoria Projetos e de melhor aluno do MBA em Marketing da FUNDACE em 2006. Em 2008 foi finalista do prêmio Empreendedor de Sucesso promovido pela revista PEGN e FGV. Em 2009 tornou-se professor honorário da Universidad Abierta Interamericana (Buenos Aires/ARG). Em 2013, ganhou o Prêmio Alexandrino Garcia do Grupo Algar na categoria Empreendedorismo pelo trabalho realizado na área de tecnologia educacional. Em 2016 recebeu o prêmio ABSEG da Associação Brasileira de Profissionais de Segurança. Em 2019 foi vencedor do Concurso de Tecnologias Policiais (StartPol). Em 2023, obteve primeiro lugar no prêmio UNIDAS (União Nacional das Instituições de Autogestão em Saúde).

Camila de Brito Pontes, UNIFESP

Cirurgiã-Dentista (2012) e Mestre em Odontologia (2018) pela Universidade de Fortaleza. Especialista em Periodontia (2015) pelo Centro de Educação Continuada da Academia Cearense de Odontologia e Especialista em Informática em saúde pela UAB/UNIFESP. Áreas de interesse: Saúde pública, Saúde Coletiva, Saúde Digital e Periodontia.

Citas

Tariq RA, Vashisht R, Sinha A. Medication dispensing errors and prevention. In: StatPearls. Treasure Island (FL): StatPearls Publishing; [cited 2025 May 14]. Available from: https://www.ncbi.nlm.nih.gov/books/NBK519065

National Coordinating Council for Medication Error Reporting and Prevention. About medication errors: what is a medication error? [cited 2025 Feb 2]. Available from: https://www.nccmerp.org/about-medication-errors

Cruzeta APS, Dourado ACL, Monteiro MTM, Martins RO, Calegario TA, Galato D. Fatores associados à compreensão da prescrição médica no Sistema Único de Saúde de um município do Sul do Brasil. Cien Saude Colet. 2013;18(12):3731-7. doi: https://doi.org/10.1590/S1413-81232013001200029

World Health Organization. Medication without harm. 2025 [cited 2025 Feb 3]. Available from: https://www.who.int/initiatives/medication-without-harm

Academy of Managed Care Pharmacy. Medication errors. 2025 [cited 2025 Feb 3]. Available from: https://www.amcp.org/concepts-managed-care-pharmacy/medication-errors

Cohen MR, Smetzer JL. ISMP medication error report analysis. Hosp Pharm. 2017;52(6):390-3. doi: https://doi.org/10.1177/0018578717715346

Shah K, Xu AY, Sharma Y, Daher M, McDonald C, Diebo BG, et al. Large language model prompting techniques for advancement in clinical medicine. J Clin Med. 2024;13(17):5101. doi: https://doi.org/10.3390/jcm13175101

Netto AV, Berton L, Takahata AK. Ciência de dados e a inteligência artificial na área da saúde. São Paulo: Editora dos Editores; 2021.

Netto AV. Ciência de dados em saúde: contribuições e tendências para aplicações. Rev Saúde.Com. 2021;17(3):1-5. doi: https://doi.org/10.22481/rsc.v17i3.6290

The Healthcare Technology Report. Software & Data: Oxford’s DrugGPT AI tool enhances medication prescriptions. 2024 [cited 2025 Feb 4]. Available from: https://thehealthcaretechnologyreport.com/oxfords-druggpt-ai-tool-enhances-medication-prescriptions

Medeiros CH, Kauark FD, Manhães FC. Metodologia da pesquisa: guia prático. Itabuna: Via Litterarum; 2010.

OpenAI. Hello GPT-4o. 2024 [cited 2025 Feb 8]. Available from: https://openai.com/index/hello-gpt-4o

Cortex. Your exclusive corporate AI. 2025 [cited 2025 Feb 8]. Available from: https://sinapse.tech/cortex

Anthropic. Introducing Claude 3.5 Sonnet. 2024 [cited 2025 Feb 8]. Available from: https://www.anthropic.com/news/claude-3-5-sonnet

Meta. Introducing Llama 3.1: our most capable models to date. 2024 [cited 2025 Feb 8]. Available from: https://ai.meta.com/blog/meta-llama-3-1

Cohere. The all-in-one platform for private and secure AI. 2024 [cited 2025 Feb 8]. Available from: https://cohere.com/

Google. Gemini models. 2025 [cited 2025 Feb 8]. Available from: https://ai.google.dev/gemini-api/docs/models/gemini

Publicado

17/02/2026

Cómo citar

Valerio Netto, A., & de Brito Pontes, C. (2026). Papel de los grandes modelos lingüísticos en la seguridad del paciente en un estudio de evaluación de expertos. Journal of Health Informatics, 18(1), 1570. https://doi.org/10.59681/2175-4411.v18.2026.1570

Número

Sección

Artículo Original

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.