La Capacidad de Diagnóstico y Triaje de la Colaboración entre Personas Legas y Modelos de Lenguaje a Gran Escala en China

El objetivo de este ensayo controlado aleatorizado es evaluar el papel de los modelos de lenguaje grandes en la mejora de la capacidad de las personas legas para autodiagnosticarse y realizar triaje de enfermedades comunes. Las principales preguntas que pretende responder son:

• ¿Usar un LLM ayuda a los participantes a realizar autodiagnósticos y decisiones de cuidado más precisos para enfermedades comunes, en comparación con su primera suposición sin ayuda alguna?
• ¿Cuánto mejor es cuando las personas trabajan juntas con un LLM, en comparación con usar un motor de búsqueda regular, usar el LLM solo, o cómo decidirían los médicos? Los investigadores compararán a los participantes que fueron asignados aleatoriamente al grupo LLM (usando DeepSeek) o al grupo del motor de búsqueda para ver si el enfoque asistido por LLM conduce a mejores juicios clínicos.

Los participantes:

• Leerán una de las 48 viñetas de salud realistas y cortas;
• Harán una suposición inicial sobre qué podría estar mal enumerando hasta tres posibles causas, clasificadas de más a menos probables, y elegirán un nivel de cuidado: buscar atención inmediata, ver a un médico dentro de un día, ver a un médico dentro de una semana o manejar en casa sin atención médica.
• Usarán su herramienta asignada (ya sea DeepSeek o un motor de búsqueda estándar) para buscar información y actualizar su suposición y decisión de cuidado;
• Enviarán su diagnóstico final y elección de cuidado después de usar la herramienta. Además, el equipo de estudio evaluó el rendimiento de otros cuatro modelos de IA (GPT-4o, GPT-o1, DeepSeek-v3 y DeepSeek-r1) y 33 médicos generales experimentados en las mismas viñetas.