Rendimiento de LLM en Diagnóstico Endodóntico

Este estudio observacional prospectivo tiene como objetivo evaluar el rendimiento en tiempo real para el diagnóstico y la toma de decisiones de tratamiento de tres modelos de lenguaje extenso: ChatGPT-4o, Gemini Advanced y Claude 3.7, en un entorno clínico endodóntico. Se examinó a un total de 120 pacientes que acudieron a la clínica de endodoncia, y se recopilaron historiales médicos/dentales detallados, hallazgos clínicos y radiografías periapicales. Cada caso anonimizado se presentó luego a los tres LLM utilizando un mensaje estandarizado solicitando el diagnóstico y el plan de tratamiento apropiado.

Todos los modelos se utilizaron en sus configuraciones multimodales predeterminadas sin habilitar funciones de búsqueda web, complementos o recuperación de datos externos. Cada pregunta se envió solo una vez en sesiones de chat aisladas para evitar la persistencia de memoria. Las respuestas se guardaron literalmente y se compararon con los diagnósticos de referencia y los planes de tratamiento establecidos por un panel de especialistas en endodoncia.

Este estudio fue diseñado para imitar las condiciones clínicas del mundo real lo más fielmente posible, proporcionando una evaluación realista de cómo estos sistemas podrían desempeñarse cuando los utilicen los clínicos en la práctica diaria. Comprender sus capacidades y limitaciones en escenarios clínicos auténticos es esencial, ya se espera que los LLM desempeñen un papel cada vez más vital en la atención dental futura, particularmente en el apoyo a la toma de decisiones, la triaje y la educación del paciente. Al identificar dónde estos modelos se desempeñan bien y dónde presentan deficiencias, esta investigación tiene como objetivo informar una integración clínica segura y efectiva a medida que las tecnologías de LLM continúan avanzando.