Overuso y restricción falsa en las recomendaciones de modelos de lenguaje grande para escenarios de Choosing Wisely

Qué problema aborda

La iniciativa Choosing Wisely busca reducir el uso excesivo de pruebas, tratamientos y procedimientos médicos innecesarios, estableciendo recomendaciones sobre cuándo es apropiado actuar o contenerse. A medida que los clínicos utilizan cada vez más LLMs para guiar sus decisiones, surge la necesidad de evaluar si estas herramientas están alineadas con las recomendaciones de restricción.

Qué hicieron los autores

Los autores llevaron a cabo una evaluación de referencia utilizando 15 recomendaciones de Choosing Wisely, desarrollando 225 escenarios (10 de restricción adecuada y 5 de acción adecuada por recomendación). Se generaron 4050 respuestas a través de seis LLMs comerciales, utilizando un enfoque desde la perspectiva de los clínicos entre febrero y marzo de 2026.

Qué encontraron

Los resultados mostraron que la tasa de sobreuso recomendada por los LLMs fue del 5.4%, con la mayoría de las recomendaciones no sugiriendo sobreuso en 8 de las 15. Sin embargo, dos recomendaciones destacaron por su alta tasa de sobreuso: el uso de ultrasonido tiroideo para un nódulo subcentimétrico incidental (42.8% de las respuestas) y el electrocardiograma de rutina en adultos de bajo riesgo (28.3%). La tasa de restricción falsa fue rara, con un 0.6%, siendo más alta para el cribado de antígeno prostático específico (3.3%).

Limitaciones

El estudio presenta limitaciones, como el uso de prompts únicos sin seguimiento, lo que lo convierte en un benchmark en lugar de un uso en el mundo real. Además, las respuestas fueron clasificadas por un juez de LLM con adjudicación médica, lo que podría afectar la generalización de los hallazgos a un uso más amplio.

Lectura final

Los hallazgos sugieren que, aunque los LLMs rara vez omiten recomendaciones de tratamiento apropiadas, existe un riesgo de sobreuso concentrado en ciertas áreas. Esto subraya la importancia de una supervisión cuidadosa al integrar la inteligencia artificial en la práctica clínica, asegurando que las recomendaciones se alineen con las mejores prácticas médicas.