Resumen: La toma de decisiones clínicas es inherentemente compleja, a menudo influenciada por sesgos cognitivos, información incompleta y ambigüedad del caso. Los modelos de idiomas grandes (LLM) han demostrado ser prometedores como herramientas para apoyar la toma de decisiones clínicas, sin embargo, su uso típico de una sola vez o interacción limitada puede pasar por alto las complejidades de la práctica médica del mundo real. En este trabajo, proponemos un marco híbrido Human-AI, Medsyn, donde los médicos y LLM se dedican a diálogos interactivos múltiples para refinar diagnósticos y decisiones de tratamiento. A diferencia de las herramientas de apoyo de decisión estática, Medsyn permite intercambios dinámicos, lo que permite a los médicos desafiar las sugerencias de LLM, mientras que el LLM destaca las perspectivas alternativas. A través de interacciones simuladas de Médico-LLM, evaluamos el potencial de los LLM de código abierto como asistentes médicos. Los resultados muestran que los LLM de código abierto son prometedoras como asistentes médicos en el mundo real. El trabajo futuro implicará interacciones médicas reales para validar aún más la utilidad de Medsyn en la precisión diagnóstica y los resultados del paciente.
Publicado Originalme en rss.arxiv.org El 18 de junio de 2025.
Ver Fuente Original
