LOS LLM TAMBIÉN PUEDEN INTRODUCIR SESGOS CLÍNICOSEste estudio analiza aproximadamente dos millones de respuestas simuladas en casos de mareo y vértigo.Según el trabajo seleccionado esta semana, determinadas características sociodemográficas modificaban la probabilidad de derivación a salud mental, especialmente cuando el caso era ambiguo.Hay...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
LOS LLM TAMBIÉN PUEDEN INTRODUCIR SESGOS CLÍNICOS
Este estudio analiza aproximadamente dos millones de respuestas simuladas en casos de mareo y vértigo.
Según el trabajo seleccionado esta semana, determinadas características sociodemográficas modificaban la probabilidad de derivación a salud mental, especialmente cuando el caso era ambiguo.
Hay un segundo resultado particularmente interesante: proporcionar información clínica más detallada reducía parte del sesgo.
Aplicación práctica
Cuando un modelo tiene que completar huecos, aumenta el espacio para introducir patrones aprendidos de sus datos de entrenamiento. Por tanto, utilizar un LLM como apoyo no convierte automáticamente una decisión en objetiva.
DOI: 10.1177/09574271261474218 https://doi.org/10.1177/09574271261474218
¿PODEMOS SABER ANTES QUIÉN RESPONDERÁ A UNA TCC DIGITAL?
Otro estudio analiza 1.790 pacientes con depresión, trastorno de pánico o ansiedad social.
Mediante variables disponibles antes del tratamiento, un modelo de machine learning alcanzó aproximadamente AUC 0,75 para predecir mejoría clínicamente significativa.
Un resultado resulta especialmente llamativo: los datos de registro aportaron información predictiva; las puntuaciones poligénicas no añadieron capacidad independiente, según el trabajo.
¿Qué cambia?
Todavía no tenemos un algoritmo que deba decidir el tratamiento. Pero cambia la pregunta científica: ya no solamente «¿funciona la TCC digital?», sino «¿para quién funciona?»
JMIR · DOI: 10.2196/100162 https://doi.org/10.2196/100162
CONVERTIR INFORMES PSIQUIÁTRICOS EN DATOS ESTRUCTURADOS SIN SACARLOS DE LA INSTITUCIÓN
Sobre 500 informes de alta psiquiátrica, modelos open-source ajustados localmente fueron utilizados para extraer información del curso clínico desde texto libre.
El trabajo recoge F1 superior a 0,90 en detección de eventos.
Esto tiene dos implicaciones.
La primera es evidente: transformar miles de narrativas clínicas en información estructurada para investigación y seguimiento.
La segunda puede ser todavía más importante: el procesamiento puede realizarse localmente.
Para psiquiatría, donde manejamos información especialmente sensible, esta arquitectura merece tanta atención como el rendimiento del modelo.
DOI: 10.2196/94454 https://doi.org/10.2196/94454
¿PODEMOS DETECTAR VULNERABILIDAD A LA DEPRESIÓN AÑOS ANTES?
El quinto trabajo utiliza la cohorte europea IMAGEN (n=1.332) y técnicas de deep learning para investigar patrones neurocomputacionales asociados a la aparición posterior de síntomas depresivos.
La hipótesis que emerge es especialmente interesante: avanzar desde predictores poblacionales hacia mecanismos neurocomputacionales individuales.
¿Qué cambia mañana?
Probablemente nada. Y eso también hay que decirlo.
Pero si estos resultados se replican y demuestran utilidad clínica, podrían contribuir a una prevención más individualizada.
Science Advances · DOI: 10.1126/sciadv.aed0772 https://doi.org/10.1126/sciadv.aed0772
¿QUÉ TIENEN EN COMÚN ESTOS ESTUDIOS?
Leídos juntos cuentan una historia bastante coherente.
La IA empieza a ser muy competente estructurando información: extrae variables de narrativas clínicas; encuentra patrones difíciles de detectar; estratifica probabilidades de respuesta; identifica señales predictivas.
Pero encuentra dificultades cuando debe sostener un marco clínico durante una relación conversacional compleja.
Y ahí aparece precisamente la herramienta que hemos seleccionado esta semana.
Fuentes científicas enlazadas a sus publicaciones originales.
Elaborado por Marc Moreno, con apoyo de IA y sujeto a revisión clínica humana antes de publicación.
Contenido informativo y formativo; no sustituye el juicio clínico.
Explora el artículo con IA