Resumen: Nuestro marco traduce las GPC en árboles de decisión estructurados y utiliza un LLM para navegar dinámicamente por ellas para la evaluación de casos de pacientes. Se generaron viñetas sintéticas en tres dominios (dolor de cabeza, dolor lumbar y cáncer de próstata) y se distribuyeron en cuatro categorías para probar diferentes escenarios de decisión. El rendimiento del sistema se evaluó tanto en decisiones binarias de derivación de especialidades como en tareas detalladas de clasificación de vías de acceso.
La clasificación binaria de referencias de especialidad logró un rendimiento consistentemente sólido en todos los dominios (F1: 0,85-1,00), con un alto recuerdo (1,00 $pm$ 0,00). Por el contrario, la asignación de vías de clases múltiples mostró un rendimiento reducido, con variaciones específicas de dominio: dolor de cabeza (F1: 0,47), dolor lumbar (F1: 0,72) y cáncer de próstata (F1: 0,77). Las diferencias de rendimiento específicas de cada dominio reflejaron la estructura de cada directriz. La directriz sobre el dolor de cabeza destacó los desafíos en el manejo de la negación. La directriz sobre el dolor lumbar requería un razonamiento temporal. Por el contrario, las vías del cáncer de próstata se beneficiaron de pruebas de laboratorio cuantificables, lo que resultó en una toma de decisiones más confiable.
Publicado originalmente en export.arxiv.org el 7 de enero de 2026.
Ver fuente original
