TrialsgrambetaRCTs are beautiful
Tradução não revistaA tradução em Português desta entrada não foi revista por pares e pode diferir da fonte. O acrónimo, o título completo e a citação mantêm-se sempre na língua original.Abrir a publicação original ↗

O'Sullivan LLM (cardiology)

A Large Language Model for Complex Cardiology Care

Doente / População Intervenção / Exposição Comparação Desfecho

Em 9 cardiologistas a avaliar casos complexos de suspeita de miocardiopatia genética, o apoio de um sistema de IA baseado em LLM, melhorou a qualidade da triagem, do diagnóstico e da orientação avaliada de forma cega por subespecialistas em comparação com cardiologistas a trabalhar sem assistência.

N
9doentes
Desenho
RCT, cardiologistas aleatorizados, dados de casos reais retrospetivos, avaliação cega por subespecialistas
Desfecho
Preferência cega dos subespecialistas numa grelha de dez domínios de qualidade da triagem, do diagnóstico e da orientação
Relevância
2Importante — um de vários pilares.
ResultadoOs subespecialistas preferiram as avaliações assistidas pelo AMIE em 46,7 % vs. 32,7 % para os cardiologistas isolados (p=0,02; 20,6 % de empates). Erros clinicamente significativos 13,1 % vs. 24,3 % (p=0,033); conteúdo em falta 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
Discussão e crítica

Alarga o programa AMIE dos cuidados primários simulados (AMIE) a uma subespecialidade onde a perícia é escassa, com o LLM a ler dados diagnósticos brutos e não apenas texto. Apenas nove cardiologistas, casos retrospetivos de uma única consulta de subespecialidade, pontuação por grelha baseada em preferência por três avaliadores, e sem desfechos de doentes — um sinal a favor da IA como complemento, não evidência de benefício.