Annu Int Conf IEEE Eng Med Biol Soc. 2025 julio; 2025: 1-5. doi: 10.1109/EMBC58623.2025.11252667.
La integración de la inteligencia artificial (IA) en los flujos de trabajo de atención médica ofrece un potencial transformador para optimizar los procesos y mejorar la experiencia y los resultados de los pacientes. Este artículo presenta un novedoso chatbot impulsado por IA que aprovecha un modelo de lenguaje grande (LLM) para llevar a cabo conversaciones adaptativas y conscientes del contexto para la clasificación de pacientes y la recopilación de información. El sistema integra indicaciones guiadas por el médico, notas de clasificación e historial del paciente, incluidos datos de registros médicos electrónicos (EHR), para refinar dinámicamente los conocimientos clínicos a través de preguntas iterativas. El chatbot garantiza el cumplimiento de los estándares de datos sanitarios al tiempo que genera resúmenes clínicos estructurados para los médicos. Las evaluaciones en diez escenarios de gastroenterología/hepatología, revisadas por hepatólogos independientes, demostraron un alto rendimiento (puntuaciones de 4,0 a 5,0/5,0) en calidad de la documentación, precisión de la evaluación, educación del paciente y planificación del tratamiento. Las calificaciones de los usuarios están estrechamente alineadas con las evaluaciones de los médicos, lo que subraya la relevancia clínica y la satisfacción del usuario. A través de la integración de Fast Healthcare Interoperability Resources (FHIR) de cara al paciente con datos de EHR, el sistema reduce la toma de antecedentes redundantes y cierra brechas críticas entre la clasificación y la atención. Estos sistemas pueden agilizar los flujos de trabajo previos a la visita, mejorar la comunicación entre el paciente y el proveedor y mejorar la eficiencia clínica. Este trabajo destaca la viabilidad de los chatbots orientados al paciente impulsados por LLM para mejorar la eficiencia clínica, la participación del paciente y la precisión del diagnóstico en los flujos de trabajo de atención médica.
PubMed:41336927 | DOI:10.1109/EMBC58623.2025.11252667