Resumen: Los modelos de grandes bases (LFM) transforman la IA sanitaria en la prevención, el diagnóstico y el tratamiento. Sin embargo, sigue siendo una cuestión abierta si los LFM pueden proporcionar recomendaciones de tratamiento verdaderamente personalizadas.
Leer más →
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.
Leer más →
Resumen: Proponemos un marco basado en la madurez para certificar sistemas de IA incorporados a través de mecanismos de medición explícitos. Sostenemos que la IA incorporada certificable requiere marcos de evaluación estructurados, mecanismos de puntuación cuantitativa y métodos para navegar las compensaciones multiobjetivos inherentes a la evaluación de la confiabilidad.
Leer más →