Supervisión Clínica Escalable de Modelos de Lenguaje de Gran Tamaño Mediante Triangulación de Incertidumbre (SCOUT)

Antecedentes: Los modelos de lenguaje de gran tamaño se implementan cada vez más en los flujos de trabajo clínicos, aunque exigir que los médicos revisen cada resultado de la IA anula las ganancias de eficiencia que motivan su adopción. SCOUT aborda esta paradoja de eficiencia-seguridad mediante la metaverificación algorítmica.

El marco SCOUT triangula tres señales externas ortogonales para determinar la incertidumbre a nivel de caso: (1) Heterogeneidad del modelo: si un modelo de lenguaje de gran tamaño auxiliar estructuralmente diferente concuerda con el modelo principal; (2) Inconsistencia estocástica: si un muestreo repetido del mismo modelo produce resultados divergentes; (3) Crítica del razonamiento: si un modelo verificador externo identifica fallos lógicos en la cadena de razonamiento paso a paso.

En este ensayo cruzado, 7 médicos de distinta antigüedad (2 residentes junior, 3 residentes senior, 2 médicos adjuntos) revisan cada uno los 110 casos tanto con el flujo de trabajo de revisión manual estándar como con el flujo de trabajo asistido por SCOUT. El estudio evalúa la eficiencia del flujo de trabajo (criterio de valoración principal) y la precisión diagnóstica (criterio de valoración secundario).