Diseño, desarrollo y validación de un sistema de apoyo a interconsultas clínicas en cardiología basado en modelos generativos

Abstract

[ES] En este Tabajo Fin de Grado se propone aplicar la inteligencia artificial al campo médico, en concreto al área de cardiología, con el fin de ayudar a los profesionales sanitarios en el mundo de las interconsultas clínicas. Para ello, se propone utilizar modelos generativos ya existentes, empleando modelos tan populares como ChatGPT. Para facilitar el trabajo tanto al profesional que redacta la interconsulta (atención primaria) como a los que la tienen que evaluar (especialistas), se han generado diferentes escenarios creando distintos contextos basados en el análisis de interconsultas clínicas reales. Estos escenarios se basan en la redacción de un informe por parte del modelo, introduciéndole la información desgranada, y en el otro escenario, el chatbot recibe la información de un informe redactado, siendo capaz de dividir este en los diferentes campos que contiene el contexto. Una vez desarrollados estos escenarios, se prueba y se analizan sus resultados con una eficacia muy alta. Con este proyecto se consigue profundizar en la comprensión de los modelos generativos, ayudando a encontrar oportunidades y áreas de mejora en su aplicación a un problema que nos afecta a todos: la salud.

[EN] In this Final Degree Project it is proposed to apply artificial intelligence to the medical field, specifically to the area of cardiology, in order to help health professionals in the world of clinical consultations. For this, it is proposed to use already existing generative models, using models as popular as ChatGPT. To facilitate the work of both the professional who writes the consultation (primary care) and those who have to evaluate it (specialists), different scenarios have been generated, creating different contexts based on the analysis of real clinical consultations. These scenarios are based on the model writing a report, introducing the detailed information, and in the other scenario, the chatbot receives the information from a written report, being able to divide it into the different fields that the context contains. Once these scenarios are developed, their results are tested and analyzed with very high efficiency. With this project it is possible to deepen the understanding of generative models, helping to find opportunities and areas for improvement in their application to a problem that affects us all: health.