Completeness, Safety, and Readability of Large Language Model-Generated Informed Consent Materials for Orthognathic and Craniofacial Surgery: A Procedure-Specific Content Analysis

Resumen ejecutivo
El artículo examina la completitud, seguridad y legibilidad de materiales de consentimiento informado generados por modelos de lenguaje para cirugías ortognáticas y craneofaciales, analizando su adecuación clínica.
Qué problema aborda
La investigación se centra en la incertidumbre sobre la completitud específica de los materiales de consentimiento informado generados por modelos de lenguaje grandes (LLM) en el contexto de procedimientos quirúrgicos ortognáticos y craneofaciales. Existe una necesidad de evaluar si estos materiales cumplen con los estándares clínicos requeridos para garantizar la comprensión del paciente.
Qué hicieron los autores
Los autores revisaron un corpus fijo de 132 salidas generadas por cuatro interfaces de consumo (ChatGPT, Gemini, DeepSeek y Grok) relacionadas con 11 procedimientos, utilizando un enfoque de evaluación independiente por tres cirujanos orales y maxilofaciales. Se aplicó un checklist cerrado para la puntuación en la etapa de revisión, y se realizaron comparaciones de cobertura y análisis de omisiones críticas.
Qué encontraron
Los resultados mostraron que la cobertura promedio fue del 77.81% para ChatGPT, 72.94% para Gemini, 83.15% para DeepSeek y 83.27% para Grok. Se encontraron omisiones críticas en 15 de 33, 17 de 33, 1 de 33 y 1 de 33 salidas, respectivamente. Un total de 34 salidas se vieron afectadas, de las cuales 28 cumplieron con criterios generales de consentimiento y seis con criterios específicos del procedimiento. La legibilidad de los textos variaba, con niveles de grado de Flesch-Kincaid que iban de 10.22 a 13.89.
Limitaciones
El estudio indica que la cobertura agregada no estableció la completitud o la seguridad clínica de los materiales generados. Además, no se evaluaron aspectos como la comprensión del paciente, la utilidad clínica y la efectividad de la verificación asistida por listas de control.
Lectura final
Los hallazgos resaltan la necesidad de una revisión cuidadosa de los contenidos generados por modelos de lenguaje antes de su uso clínico, subrayando que la calidad y claridad de la información son fundamentales para garantizar una adecuada comprensión por parte del paciente en contextos quirúrgicos.
Sigue leyendo
Lectura clínica
- Información de industria
- Uso clínico real
Información editorial dirigida a profesionales de la salud. No sustituye la evaluación clínica, las guías vigentes ni el juicio médico.
Clasificación editorial automática
Fuente original
También en el radar
Inteligencia artificialInteligencia artificial y sueño
17 de noviembre de 2026
Inteligencia artificialInteligencia artificial en biomateriales y bioingeniería
17 de noviembre de 2026
Inteligencia artificialInteligencia artificial en cirugía estética
17 de noviembre de 2026
Inteligencia artificialApple añade nuevos controles de disco para evitar que los agentes de IA se descontrolen
17 de noviembre de 2026
¿Quieres más contexto?
Cada semana seleccionamos las señales de IA que importan, con foco en medicina.
Únete a la lista de RADAR
Te avisaremos cuando publiquemos el primer boletín y recibirás una selección breve de las señales de IA que realmente importan.
