Equipo de PromptMind en MEDIQA-CORR 2024: Mejora de la Corrección de Textos Clínicos con Clasificación de Errores y Ensembles de LLM

Este documento describe nuestro enfoque para la tarea compartida MEDIQA-CORR, que implica la detección y corrección de errores en notas clínicas curadas por profesionales médicos. Esta tarea incluye el manejo de tres subtareas: detectar la presencia de errores, identificar la oración específica que contiene el error y corregirlo. A través de nuestro trabajo, buscamos evaluar las capacidades de los Modelos de Lenguaje Grande (LLMs) entrenados en un vasto corpus de datos de internet que contienen tanto información fáctica como no fiable. Proponemos abordar todas las subtareas de manera integral y sugerimos emplear una estrategia única de aprendizaje contextual basado en indicaciones. Evaluaremos su eficacia en esta tarea especializada que demanda una combinación de razonamiento general y conocimiento médico. En sistemas médicos donde los errores de predicción pueden tener graves consecuencias, proponemos aprovechar la autoconfianza y métodos de conjunto para mejorar el rendimiento en la corrección y detección de errores.