Evaluating large language models for anaphylaxis detection in clinical notes
O estudo avaliou quatro modelos de linguagem em 150 relatos médicos para identificar anafilaxia. No conjunto estudado, o resumo relata zero falsos negativos; para GPT-4 Turbo, informa 97% de acurácia e 91% de precisão.
150relatos médicos
0falsos negativos no conjunto
97% / 91%acurácia / precisão do GPT-4 Turbo
Esses números descrevem somente a tarefa e o conjunto avaliados no artigo; não são estimativas para outros hospitais, populações ou ferramentas.
O que o resultado não demonstra
Não demonstra validação externa, segurança em rotina clínica, benefício para pacientes ou adequação a um fluxo assistencial. Qualquer uso em saúde exige avaliação contextual, supervisão profissional efetiva e possibilidade de contestar a saída.