Análisis de especificidades de género en pacientes virtuales basados en Inteligencia Artificial.

Enfoque

Introducción

La inteligencia artificial (IA) ha transformado, entre otros sectores, la educación en medicina. En este campo, los pacientes virtuales permiten simular escenarios clínicos complejos, permitiendo a las y los estudiantes mejorar sus habilidades diagnósticas y terapéuticas sin poner en riesgo a pacientes reales. Nos centraremos en los pacientes virtuales conversacionales, que simulan una consulta médica, donde cada estudiante realiza preguntas al paciente virtual e intenta un diagnóstico correcto a partir de sus respuestas. El avance de la IA generativa ha revolucionado estos pacientes virtuales, consiguiendo conversaciones mucho más naturales y realistas. La IA es capaz de comprender prácticamente cualquier pregunta que le pueda hacer cada estudiante y puede responder (en función de la enfermedad o los síntomas que previamente se le han introducido como contexto) con una gran naturalidad, de modo que la conversación estudiante-paciente resulta muy realista. Sin embargo, existen enfermedades en las que los síntomas son diferentes en función de que el paciente sea hombre o mujer, y no existen evidencias que permitan asegurar que las IAs representan adecuadamente estas particularidades de género.

 

Objetivos

El objetivo de este estudio es evaluar si los pacientes virtuales conversacionales basados en IA pueden recrear adecuadamente los síntomas de una misma enfermedad cuando estos varían entre hombres y mujeres, dado que las manifestaciones clínicas pueden ser significativamente diferentes según el género y es patente una prioridad por considerar los síntomas de los pacientes masculinos.

 

Metodología

Se ha desarrollado un protocolo experimental para evaluar el comportamiento de las IAs como pacientes virtuales. El primer paso es la selección de enfermedades con manifestaciones clínicas diferentes según el género, como el infarto de miocardio y la depresión. Para cada enfermedad, se crearán pacientes virtuales con dos IAs diferentes (ChatGPT y Mistral) y ante diferentes contextos (diferentes prompts o diferentes descripciones de la enfermedad). A cada paciente virtual se le realizará el mismo conjunto de preguntas y se analizará si las respuestas (en términos de síntomas que expresa el paciente virtual) son adecuadas en función del género del paciente. En todos los casos, se realizarán 20 repeticiones de cada experimento (10 con pacientes virtuales hombres y 10 con pacientes virtuales mujeres) dada la aleatoriedad de las respuestas ofrecidas por las IAs.

 

Resultados

Se espera que los resultados del estudio muestren la capacidad de cada una de las IAs analizadas para simular correctamente los síntomas diferenciados por género. Adicionalmente, se identificarán los mejores contextos (mejores prompts) en términos de ajuste de los síntomas a las especificidades de cada género.

 

Conclusiones

Los pacientes virtuales conversacionales basados en IAs generativas serán muy utilizados en un futuro próximo. Es crucial que simulen con precisión síntomas específicos de género, para proporcionar una educación médica precisa y que contemple las particularidades de las pacientes de género femenino. Los hallazgos del estudio reforzarán la importancia de considerar la diversidad de síntomas en la práctica médica y permitirán tratamientos más precisos y personalizados en la atención sanitaria real.