Papel de los grandes modelos lingüísticos en la seguridad del paciente en un estudio de evaluación de expertos
DOI:
https://doi.org/10.59681/2175-4411.v18.2026.1570Palabras clave:
Sistemas de Apoyo a Decisiones Clínicas, Inteligencia Artificial, Grandes Modelos de LenguajeResumen
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
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
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Antonio Valerio Netto, Camila de Brito Pontes

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.