Las anuncios del 30 de abril de 2025, los modelos de idiomas grandes (LLM) han avanzado significativamente en el campo del diagnóstico de enfermedades, ofreciendo herramientas prometedoras para aumentar la toma de decisiones clínicas. Esta revisión destaca los LLM más notables en el diagnóstico médico, basado en estudios recientes revisados ​​por pares y desarrollos de la industria. ClinicalGPT-R1: un nuevo punto de referencia en razonamiento diagnóstico ClinicalGPT-R1 es una LLM médica especializada capacitada en más de 20,000 registros clínicos reales. Unlike general-purpose LLMs (like GPT-4), this model focuses specifically on clinical decision-making and reasoning.Strengths:Built with medical logic and probabilistic reasoning layersOutperforms GPT-4 on Chinese diagnosis datasetsComparable to GPT-4 in English casesHandles symptom progression, timelines, and ambiguous symptoms better than general modelsKey Applications:Internal medicineMulti-system Ejemplo de caso de la decisión del síndromergencia de la decisión del caso: un paciente que presenta dolor en el pecho, fatiga y fiebre leve: ClinicalGPT-R1 puede diferenciar entre etiologías cardíacas, infecciosas y autoinmunes mejor que GPT-4. Deepseek-R1 vs O3 Mini-Benchmarking de modelos del mundo real Un estudio comparado Deepseek-R1 y O3 Mini en 7 Categorías de enfermedades que incluyen: Enfermedades de la salud mental de la salud mental. Mini: Precisión: 72% (a nivel de la enfermedad), 75% (en general) mejorado mejor en casos autoinmunes y dermatológicos inferirfaster, pero un consejo de uso clínico más bajo: Deepseek-R1 es más adecuado para el triaje hospitalario; O3 Mini puede ser mejor para las herramientas de telemedicina y detección. Detección de la enfermedad EHR mejorada con LLM Un método novedoso utiliza LLM para procesar datos de texto libre y detectar enfermedades como: DiabeteShyPertensionacute Infarto de miocardio (AMI) Destacados: Sensibilidad más alta y NPV que el Código ICD de ICD se aplica a las Notas de la cadena de la cadena y el Contexto Clínico Pensación de los Documentos de la Capasa. banderas, mejorando la detección temprana en salud pública. MERA (Memorize and Rank EnfoCe) Mera es un sistema híbrido que combina LLM con aprendizaje contrastante y pretrenesa mejorado con el conocimiento. Qué hace: memoriza los patrones de los casos médicos de los casos médicos posibles diagnósticos jerárquicos (motor de diagnóstico diferencial) capacitados en los datos de nivel ICU (MIMIC-IIII, MIMIC-IV) Mejor para el diagnóstico de cuidados críticos: el diagnóstico de diagnóstico inferior de la ICU. Las características de ChatGPT / GPT-4 en el diagnóstico médico, aunque no están diseñadas para la atención médica, se ha demostrado que ChatGPT (especialmente GPT-4): alcanza ~ 90% de precisión de diagnóstico en Vignettes de paciente simulados, el rendimiento mejor que los médicos promedio cuando se usan como un co-pilotprovento de explicaciones, listas diferenciales y niveles de confianza de la confianza. APACIDAD REGLATIVA PARA USUD MEDICAL GPT-4 solo para consultas de estilo del segundo opinion, no como una herramienta de diagnóstico primaria. Desafíos éticos y prácticos, incluso los mejores LLMS enfrentan los riesgos: BIES: LLMS puede tener un rendimiento inferior a las poblaciones subrepresentadas o imitar la CONFIDENCIA DE LA SEGUICIÓN DE DATOS DE ENTRENAMIENTO: Algunos modelos presentan con confianza las respuestas incorrectas de explicación: Hard para auditar o validar el modelo Logic en Timelegal y ético real: aún no FDA/EMA aprobado para el diagnóstico primario: ¿Qué es mejor en el modelo de Modelo en 2025? Estas herramientas son aumentativas, no reemplazos para el juicio clínico. Utilizados sabiamente, pueden mejorar la seguridad, atrapar diagnósticos perdidos y reducir la desigualdad, especialmente en entornos limitados por recursos. También lea: Modelos de idiomas grandes en el diagnóstico de enfermedades: una descripción técnica de 2025