Diagn Progn Res. 2025 Nov 6;9(1):28. doi: 10.1186/s41512-025-00211-w.

RESUMO

OBJETIVO: Os grandes modelos de linguagem (LLMs) estão atraindo cada vez mais interesse na área da saúde. Este comentário avalia o potencial dos LLMs para melhorar os modelos de predição clínica (CPMs) para tarefas diagnósticas e prognósticas, com foco em sua capacidade de processar dados longitudinais dos prontuários eletrônicos de saúde (EHR).

RESULTADOS: Os LLMs mostram promessas no manuseio de dados multimodais e longitudinais dos prontuários eletrônicos de saúde, e podem apoiar previsões de múltiplos resultados para diversas condições de saúde. No entanto, desafios metodológicos, de validação, infraestruturais e regulatórios ainda persistem. Estes incluem métodos inadequados para modelagem de tempo de evento, baixa calibração das previsões, validação externa limitada e viés que afeta grupos sub-representados. Altos custos de infraestrutura e a ausência de estruturas regulatórias claras também impedem a adoção.

Conteúdo Patrocinado

IMPLICAÇÕES: Mais trabalho e colaboração interdisciplinar são necessários para apoiar a integração equitativa e eficaz na predição clínica. Desenvolver modelos temporalmente conscientes, justos e explicáveis deve ser uma prioridade para transformar o fluxo de trabalho da previsão clínica.

PMID: 41199337 | DOI: 10.1186/s41512-025-00211-w

Para ler a postagem completa, visite o original: Leia a Postagem Completa