Uso de modelos de lenguaje de inteligencia artificial en la práctica clínica en medicina de rehabilitación: un caso de prueba comparativo

OBJETIVO: Explorar el uso potencial de los modelos de lenguaje de inteligencia artificial en la formulación de prescripciones de rehabilitación y códigos de la Clasificación Internacional del Funcionamiento, de la Discapacidad y de la Salud (CIF). Diseño: Estudio comparativo basado en un informe de caso único en comparación con respuestas estándar de un libro de texto. SUJETOS: Un caso de accidente cerebrovascular de un libro de texto. Métodos: Se utilizó el Chat Generative Pre-Trained Transformer-4 (ChatGPT-4) para generar información integral sobre prescripciones médicas y de rehabilitación y códigos CIF relacionados con el caso de accidente cerebrovascular. Esta información se comparó con respuestas estándar del libro de texto, y 2 clínicos licenciados en Medicina Física y Rehabilitación (PMR) revisaron las recomendaciones de inteligencia artificial para una discusión adicional. RESULTADOS: ChatGPT-4 formuló eficazmente prescripciones de rehabilitación y códigos CIF para un caso típico de accidente cerebrovascular, junto con una justificación para respaldar sus recomendaciones. Esta información se generó en segundos. En comparación con las respuestas estándar, el modelo de lenguaje generó prescripciones más amplias y generales en términos de problemas médicos y planes de manejo, problemas de rehabilitación y planes de manejo, así como objetivos de rehabilitación. También demostró la capacidad de proponer enfoques específicos para cada terapia de rehabilitación. El modelo de lenguaje cometió un error respecto a la categoría CIF para el caso de accidente cerebrovascular, pero no se identificaron errores en los códigos CIF asignados. Conclusión: Este caso de prueba sugiere que los modelos de lenguaje de inteligencia artificial tienen un uso potencial en facilitar la práctica clínica y la educación en el campo de la medicina de rehabilitación.