Modelo basado en LLMs para apoyar la toma de decisiones en el triaje médico

Abstract

La creciente demanda en los servicios de urgencias y la necesidad de realizar procesos de triaje eficientes, consistentes y alineados con criterios clínicos estructurados representan un desafío para los sistemas de salud, particularmente en la estimación adecuada de los recursos y en el apoyo al razonamiento clínico para la correcta priorización del paciente durante la atención. En este contexto, el presente trabajo tuvo como objetivo desarrollar y evaluar un sistema basado en agentes sustentado en modelos de lenguaje de gran escala (LLMs), integrado con un esquema de recuperación aumentada (RAG), orientado al apoyo en la estimación de recursos y en la estructuración del razonamiento clínico para la priorización del paciente bajo el protocolo de triaje Emergency Severity Index (ESI). Se diseñó una arquitectura híbrida que combina generación de texto y recuperación contextual de información clínica, junto con una estrategia de estructuración progresiva del prompt alineada con el flujo de decisión del triaje. La evaluación se realizó mediante un enfoque técnico-clínico que incluyó métricas computacionales de similitud semántica y fidelidad del sistema, junto con validación por un médico con experiencia en triaje, considerando múltiples experimentos con dos variantes de prompt y tres modelos de lenguaje. Los resultados evidencian mejoras en la coherencia del razonamiento y una concordancia moderada con el criterio clínico, destacando el potencial de estos sistemas como herramientas de apoyo en la toma de decisiones bajo supervisión profesional. (Texto tomado de la fuente)

The growing demand on emergency services and the need for efficient, consistent triage processes aligned with structured clinical criteria present a challenge for healthcare systems, particularly in the accurate estimation of resources and in supporting clinical reasoning for proper patient prioritization during care. In this context, this study aimed to develop and evaluate an agent-based system supported by large-scale language models (LLMs), integrated with an augmented retrieval scheme (RAG), designed to support resource estimation and the structuring of clinical reasoning for patient prioritization under the Emergency Severity Index (ESI) triage protocol. A hybrid architecture was designed that combines text generation and contextual retrieval of clinical information, along with a progressive prompt structuring strategy aligned with the triage decision flow. The evaluation was conducted using a technical-clinical approach that included computational metrics of semantic similarity and system fidelity, along with validation by a physician with triage experience, considering multiple experiments with two prompt variants and three language models. The results show improvements in the coherence of reasoning and moderate agreement with clinical criteria, highlighting the potential of these systems as support tools in decision-making under professional supervision.