{"id":46329,"date":"2024-06-07T09:16:20","date_gmt":"2024-06-07T15:16:20","guid":{"rendered":"https:\/\/saluddigital.com\/?p=46329"},"modified":"2025-10-18T15:59:46","modified_gmt":"2025-10-18T21:59:46","slug":"utilizan-modelo-de-lenguaje-para-clasificar-lesiones-en-salas-de-emergencias","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/utilizan-modelo-de-lenguaje-para-clasificar-lesiones-en-salas-de-emergencias\/","title":{"rendered":"Utilizan modelo de lenguaje para clasificar lesiones en salas de emergencias"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Investigadores italianos utilizaron GPT-4 para identificar lesiones en salas de emergencia a trav\u00e9s de registros m\u00e9dicos de pacientes pedi\u00e1tricos.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los grandes modelos de lenguaje o LLMs son una importante herramienta dentro de la inteligencia artificial (IA), la cual ofrece la oportunidad para analizar grandes cantidades de texto. Por ejemplo, al utilizar LLMs para el an\u00e1lisis de texto libre en registros m\u00e9dicos, puede identificar ciertos patrones de datos sobre un grupo de pacientes, lo cual permite mejorar la atenci\u00f3n m\u00e9dica o la detecci\u00f3n oportuna de enfermedades.<\/p>

Recientemente investigadores italianos utilizaron un LLM para identificar y clasificar lesiones con datos del departamento de emergencias en texto libre. El estudio evalu\u00f3 este modelo para clasificar lesiones a partir de registros de urgencias pedi\u00e1tricas.<\/p>

El estudio permiti\u00f3 el an\u00e1lisis de 283 468 historias cl\u00ednicas de un hospital en Padova, Italia con datos desde el 1 de enero de 2007 hasta el 31 de diciembre de 2018. De dichos datos se extrajo de forma aleatoria un subconjunto de 40,031 registros. Posteriormente, un m\u00e9dico experto clasific\u00f3 manualmente los diagn\u00f3sticos de alta en texto libre en italiano de acuerdo con el sistema de clasificaci\u00f3n de lesiones de la Organizaci\u00f3n Mundial de la Salud (OMS). Esta clasificaci\u00f3n manual sirvi\u00f3 como criterio est\u00e1ndar para evaluar el desempe\u00f1o de GPT-4 en la tarea de clasificaci\u00f3n.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La tarea de clasificaci\u00f3n se realiz\u00f3 sobre 8,194 registros clasificados manualmente como lesiones no intencionales seg\u00fan el sistema de clasificaci\u00f3n de la OMS. Entre las lesiones 520 (6%) se clasificaron como accidentes de tr\u00e1fico, 589 (7%) como ca\u00eddas, 194 (2%) como incendios y quemaduras y 176 (2%) como intoxicaciones. Los pacientes con lesiones incluyeron 4,325 hombres (53%) y 3,869 mujeres (47%), con una edad media de 7.3.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La sensibilidad en el desempe\u00f1o del LLM para la tarea de clasificaci\u00f3n fue de 1.000 puntos pata todas las categor\u00edas excepto ca\u00eddas con .997. Por otro lado, la especificidad fue de .996. Adem\u00e1s, no se detectaron errores de clasificaci\u00f3n para las categor\u00edas de quemaduras y ahogamientos.<\/p>

\u201cLos hallazgos sugieren que el uso de LLM es factible para procesar informaci\u00f3n de texto libre no estructurado en otros idiomas adem\u00e1s del ingl\u00e9s. Desde una perspectiva de salud p\u00fablica, el an\u00e1lisis de informaci\u00f3n no estructurada permite la detecci\u00f3n temprana de peligros emergentes, ayuda a identificar patrones de lesiones y proporciona datos a los responsables de pol\u00edticas para desarrollar medidas preventivas\u201d, explica el study<\/a> published in JAMA Network<\/em>.<\/p>

No obstante, el estudio cuenta con limitaciones sujetas a su dise\u00f1o unic\u00e9ntrico y a la baja prevalencia de mecanismo de lesi\u00f3n espec\u00edficos. Para ello es necesaria una evaluaci\u00f3n del desempe\u00f1o del modelo en conjuntos de datos a\u00fan m\u00e1s grandes, preferiblemente multic\u00e9ntricos.<\/p>

\u201cA pesar del potencial de los LLM en la investigaci\u00f3n y la pr\u00e1ctica m\u00e9dica, su uso es objeto de debate porque plantean cuestiones relevantes, incluidas preocupaciones \u00e9ticas, riesgo de desinformaci\u00f3n y difusi\u00f3n de informaci\u00f3n err\u00f3nea\u201d, detallan los autores. No obstante, al igual que la mayor\u00eda de las tecnolog\u00edas emergentes conllevan riesgos y beneficios. En resumen, los resultados del estudio sugieren que los LLM son una herramienta prometedora para clasificar las lesiones documentadas en los registros del servicio de urgencias, lo que ayuda con la vigilancia.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

JAMA NETWORK<\/strong><\/p>

https:\/\/jamanetwork.com\/journals\/jamanetworkopen\/fullarticle\/2819071<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Investigadores italianos utilizaron GPT-4 para identificar lesiones en salas de emergencia a trav\u00e9s de registros m\u00e9dicos de pacientes pedi\u00e1tricos. Los grandes modelos de lenguaje o LLMs son una importante herramienta dentro de la inteligencia artificial (IA), la cual ofrece la oportunidad para analizar grandes cantidades de texto. Por ejemplo, al utilizar LLMs para el an\u00e1lisis de texto libre en registros m\u00e9dicos, puede identificar ciertos patrones de datos sobre un grupo de pacientes, lo cual permite mejorar la atenci\u00f3n m\u00e9dica o la detecci\u00f3n oportuna de enfermedades. Recientemente investigadores italianos utilizaron un LLM para identificar y clasificar lesiones con datos del departamento de emergencias en texto libre. El estudio evalu\u00f3 este modelo para clasificar lesiones a partir de registros de urgencias pedi\u00e1tricas. El estudio permiti\u00f3 el an\u00e1lisis de 283 468 historias cl\u00ednicas de un hospital en Padova, Italia con datos desde el 1 de enero de 2007 hasta el 31 de diciembre de 2018. De dichos datos se extrajo de forma aleatoria un subconjunto de 40,031 registros. Posteriormente, un m\u00e9dico experto clasific\u00f3 manualmente los diagn\u00f3sticos de alta en texto libre en italiano de acuerdo con el sistema de clasificaci\u00f3n de lesiones de la Organizaci\u00f3n Mundial de la Salud (OMS). Esta clasificaci\u00f3n manual sirvi\u00f3 como criterio est\u00e1ndar para evaluar el desempe\u00f1o de GPT-4 en la tarea de clasificaci\u00f3n. La tarea de clasificaci\u00f3n se realiz\u00f3 sobre 8,194 registros clasificados manualmente como lesiones no intencionales seg\u00fan el sistema de clasificaci\u00f3n de la OMS. Entre las lesiones 520 (6%) se clasificaron como accidentes de tr\u00e1fico, 589 (7%) como ca\u00eddas, 194 (2%) como incendios y quemaduras y 176 (2%) como intoxicaciones. Los pacientes con lesiones incluyeron 4,325 hombres (53%) y 3,869 mujeres (47%), con una edad media de 7.3. La sensibilidad en el desempe\u00f1o del LLM para la tarea de clasificaci\u00f3n fue de 1.000 puntos pata todas las categor\u00edas excepto ca\u00eddas con .997. Por otro lado, la especificidad fue de .996. Adem\u00e1s, no se detectaron errores de clasificaci\u00f3n para las categor\u00edas de quemaduras y ahogamientos. \u201cLos hallazgos sugieren que el uso de LLM es factible para procesar informaci\u00f3n de texto libre no estructurado en otros idiomas adem\u00e1s del ingl\u00e9s. Desde una perspectiva de salud p\u00fablica, el an\u00e1lisis de informaci\u00f3n no estructurada permite la detecci\u00f3n temprana de peligros emergentes, ayuda a identificar patrones de lesiones y proporciona datos a los responsables de pol\u00edticas para desarrollar medidas preventivas\u201d, explica el estudio publicado en JAMA Network. No obstante, el estudio cuenta con limitaciones sujetas a su dise\u00f1o unic\u00e9ntrico y a la baja prevalencia de mecanismo de lesi\u00f3n espec\u00edficos. Para ello es necesaria una evaluaci\u00f3n del desempe\u00f1o del modelo en conjuntos de datos a\u00fan m\u00e1s grandes, preferiblemente multic\u00e9ntricos. \u201cA pesar del potencial de los LLM en la investigaci\u00f3n y la pr\u00e1ctica m\u00e9dica, su uso es objeto de debate porque plantean cuestiones relevantes, incluidas preocupaciones \u00e9ticas, riesgo de desinformaci\u00f3n y difusi\u00f3n de informaci\u00f3n err\u00f3nea\u201d, detallan los autores. No obstante, al igual que la mayor\u00eda de las tecnolog\u00edas emergentes conllevan riesgos y beneficios. En resumen, los resultados del estudio sugieren que los LLM son una herramienta prometedora para clasificar las lesiones documentadas en los registros del servicio de urgencias, lo que ayuda con la vigilancia. BIBLIOGRAF\u00cdA JAMA NETWORK https:\/\/jamanetwork.com\/journals\/jamanetworkopen\/fullarticle\/2819071<\/p>","protected":false},"author":1,"featured_media":46331,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-46329","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/46329","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=46329"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/46329\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/46331"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=46329"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=46329"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=46329"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}