Traduzione non revisionataLa traduzione in Italiano di questa voce non è stata revisionata e può differire dalla fonte. Acronimo, titolo completo e citazione restano sempre nella lingua originale.Apri la pubblicazione originale ↗
O'Sullivan LLM (cardiology)
A Large Language Model for Complex Cardiology Care
Paziente / Popolazione Intervento / Esposizione Confronto Esito
In 9 cardiologi nella valutazione di casi complessi di sospetta cardiomiopatia genetica, il supporto di un sistema di IA basato su LLM ha migliorato la qualità di triage, diagnosi e gestione valutata in cieco da subspecialisti rispetto ai cardiologi che lavoravano senza assistenza.
N
9pazienti
Disegno
RCT, cardiologi randomizzati, dati retrospettivi di casi reali, valutazione in cieco da parte di subspecialisti
Esito
Preferenza dei subspecialisti in cieco su una rubrica a dieci domini di qualità di triage, diagnosi e gestione
Rilevanza
2Importante — uno dei diversi pilastri.
RisultatoI subspecialisti hanno preferito le valutazioni assistite da AMIE nel 46,7 % vs. 32,7 % per i soli cardiologi (p=0,02; 20,6 % di parità). Errori clinicamente significativi 13,1 % vs. 24,3 % (p=0,033); contenuti mancanti 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
Discussione e critica
Estende il programma AMIE dalle cure primarie simulate (AMIE) a una subspecialità in cui la competenza è scarsa, con l'LLM che legge dati diagnostici grezzi e non solo testo. Solo nove cardiologi, casi retrospettivi da un'unica pratica subspecialistica, punteggi di rubrica basati sulla preferenza di tre valutatori e nessun esito sui pazienti — un segnale a favore del potenziamento, non evidenza di beneficio.