TrialsgrambetaRCTs are beautiful
Traducción sin revisarLa traducción al Español de esta entrada no ha sido revisada por pares y puede diferir del original. El acrónimo, el título completo y la cita permanecen siempre en el idioma original.Abrir la publicación original ↗

O'Sullivan LLM (cardiology)

A Large Language Model for Complex Cardiology Care

Paciente / Población Intervención / Exposición Comparación Desenlace

En 9 cardiólogos evaluando casos complejos de sospecha de miocardiopatía genética, el apoyo de un sistema de IA basado en LLM mejoró la calidad del triaje, el diagnóstico y el manejo valorada a ciegas por subespecialistas en comparación con los cardiólogos trabajando sin asistencia.

N
9pacientes
Diseño
RCT, cardiólogos aleatorizados, datos retrospectivos de casos reales, valoración ciega por subespecialistas
Desenlace
Preferencia ciega de los subespecialistas en una rúbrica de diez dominios de calidad del triaje, el diagnóstico y el manejo
Relevancia
2Importante — uno de varios pilares.
ResultadoLos subespecialistas prefirieron las valoraciones asistidas por AMIE en el 46,7 % vs. el 32,7 % para los cardiólogos solos (p=0,02; 20,6 % de empates). Errores clínicamente significativos 13,1 % vs. 24,3 % (p=0,033); contenido omitido 17,8 % vs. 37,4 % (p=0,0021).
O'Sullivan JW, et al. Nat Med. 2026;32(2):616-623. 10.1038/s41591-025-04190-9
Discusión y crítica

Extiende el programa AMIE desde la atención primaria simulada (AMIE) a una subespecialidad donde la experiencia es escasa, con el LLM leyendo datos diagnósticos brutos y no solo texto. Solo nueve cardiólogos, casos retrospectivos de una única consulta subespecializada, puntuación por rúbrica basada en preferencias de tres evaluadores y sin resultados en pacientes — una señal a favor de la asistencia, no evidencia de beneficio.