Gestor Editorial

Nuevo Usuario
Hipertens Riesgo Vasc 00003 / http://dx.doi.org/10.20960/HipertensRiesgoVasc.00003
Resumen| PDF (ENGLISH)

Originales

Calidad de las respuestas generadas por inteligencia artificial sobre las crisis hipertensivas en cuatro agentes conversacionales: un estudio transversal

Lucas G. Pequeno, Érika A. Silva, Antonio L. C. Neto, Marcelo D. T. Melo, Guilherme A. T. Athayde

Prepublicado: 2026-10-01

Logo Descargas   Número de descargas: 120      Logo Visitas   Número de visitas: 187      Citas   Citas: 0

Compártelo:


Introducción: la amplia accesibilidad de la inteligencia artificial (IA) generativa, en particular de los modelos de lenguaje de gran escala (LLM), está transformando la forma en que la población busca información sobre salud cardiovascular. Los LLM pueden influir en el recorrido asistencial del paciente, especialmente durante eventos agudos como las crisis hipertensivas. Objetivos: evaluar la adecuación de cuatro LLM principales, DeepSeek (V3.2), ChatGPT (5.3), Gemini (3) y Claude (Sonnet 4.6), para responder consultas sobre crisis hipertensivas desde la perspectiva del paciente. Los desenlaces primarios fueron exactitud, exhaustividad, claridad y seguridad. Materiales y métodos: se introdujeron cinco prompts estandarizados en portugués, derivados de casos clínicos. Para evitar sesgo contextual, se crearon cuentas nuevas y cada prompt se ingresó en una sesión de chat independiente. Dos cardiólogos cegados evaluaron independientemente las respuestas mediante una escala de Likert de 5 puntos. Los datos no paramétricos se evaluaron con la prueba de Friedman. Resultados: la concordancia absoluta entre evaluadores fue del 48,7 %. La prueba de Friedman mostró diferencias brutas estadísticamente significativas entre los cuatro LLM solo en exactitud (p = 0,01) y seguridad (p = 0,02). La corrección post hoc de Dunn-Bonferroni no mostró diferencias. Todos los modelos generaron respuestas acordes con las guías clínicas vigentes, identificando signos de alarma y sugiriendo un manejo inicial adecuado. La mediana del índice de facilidad de lectura de Flesch fue de 48,30 (RIC: 40,85-52,77), lo que indica un texto de dificultad moderada. Conclusiones: la IA es una herramienta poderosa que puede mejorar el recorrido asistencial del paciente al proporcionar información médica accesible y de alta calidad.

Palabras Clave: Inteligencia artificial. Crisis hipertensiva. Recorrido asistencial del paciente. Alfabetización en salud.



Park SH, Pinto-Powell R, Thesen T, et al. Preparing healthcare leaders of the digital age with an integrative artificial intelligence curriculum: a pilot study. Med Educ Online. 2024;29(1):2315684.
Shool S, Adimi S, Saboori Amleshi R, Bitaraf E, Golpira R, Tara M. A systematic review of large language model (LLM) evaluations in clinical medicine. BMC Med Inform Decis Mak. 2025;25(1):117. Published 2025 Mar 7.
O'Sullivan JW, Palepu A, Saab K, et al. A large language model for complex cardiology care. Nat Med. 2026;32(2):616-623.
Lucas HC, Upperman JS, Robinson JR. A systematic review of large language models and their implications in medical education. Med Educ. 2024;58(11):1276-1285.
Brandão AA, Rodrigues CIS, Bortolotto LA, Armstrong AC, Mulinari RA, Feitosa ADM, Mota-Gomes MA, et al. Brazilian Guidelines of Hypertension – 2025. Arq. Bras. Cardiol. 2025;122(9):e20250624.
Kırık S, Efgan MG, Kanter E, Ermete Güler E, Duman Şahan T, Gezer HK. Electrophysiological Response in Hypertensive Crisis: An Evaluation of the ICEB Score. Medicina. 2026; 62(3):501. https://doi.org/10.3390/medicina62030501
Shukla D, Virani AY. Reversible Loss of Vision in Malignant Hypertension. New England Journal of Medicine. 2016;374(14):1368-1368.
Singhal AB, Gonzalez RG, Chwalisz BK, Mukerji SS. Case 26-2020: A 60-Year-Old Woman with Altered Mental Status and Weakness on the Left Side. Cabot RC, Rosenberg ES, Pierce VM, et al., eds. New England Journal of Medicine. 2020;383(8):764-773.
Senecal EL, Rosenfield K, Caldera AE, Passeri JJ. Case 36-2011. The New England Journal of Medicine. 2011;365(21):2021-2028.
Iliopoulos O, Chan-Smutko G, Gonzalez RG, Louis DN, Stone JR. Case 23-2006. Cabot RC, Harris NL, Shepard JAO, et al., eds. New England Journal of Medicine. 2006;355(4):394-402.
Korn JH, Mauiyyedi S. Case 26-2001. Cabot RC, Scully RE, Mark EJ, et al., eds. New England Journal of Medicine. 2001;345(8):596-605.
Moreno GC, Souza M, Hein N, Hein AK. ALT: A software for readability analysis of Portuguese-language texts. ArXiv (Cornell University). October 2022.

Artículos más populares


Editado en Madrid por:
Diseño y Desarrollo web Im3diA comunicación

Una cookie o galleta informática es un pequeño archivo de información que se guarda en su navegador cada vez que visita nuestra página web. La utilidad de las cookies es guardar el historial de su actividad en nuestra página web, de manera que, cuando la visite nuevamente, ésta pueda identificarle y configurar el contenido de la misma en base a sus hábitos de navegación, identidad y preferencias. Las cookies pueden ser aceptadas, rechazadas, bloqueadas y borradas, según desee. Ello podrá hacerlo mediante las opciones disponibles en la presente ventana o a través de la configuración de su navegador, según el caso. En caso de que rechace las cookies no podremos asegurarle el correcto funcionamiento de las distintas funcionalidades de nuestra página web. Más información en el apartado “POLÍTICA DE COOKIES” de nuestra página web.

Rechazar