ทันเอไอ

Un estudio indica que los LLM pueden ayudar a revisar modelos de enfermedades, pero aún requieren supervisión humana

Un equipo desarrolló un pipeline para que los LLM extrajeran datos de 536 estudios sobre modelos de propagación de enfermedades. La precisión por artículo alcanzó cerca del 81,67%, aunque varió mucho según la complejidad de los datos

El estudio, titulado “Leveraging Large Language Models for Systematic Literature Review of Disease Spread Models”, probó el uso de Large Language Models o LLM (modelos de lenguaje de gran tamaño) para apoyar las systematic literature reviews o SLR (revisiones sistemáticas de la literatura), que normalmente requieren mucho tiempo para buscar, leer y clasificar publicaciones académicas con criterios uniformes.

El equipo desarrolló un pipeline (proceso de trabajo con varias etapas) para extraer información sobre modelos de 536 artículos académicos revisados por pares. Todos se centraban en agent-based modeling (simulaciones en las que cada agente tiene su propio comportamiento e interactúa con otros) aplicado al estudio de la propagación de enfermedades. Después, comparó los resultados del sistema con una SLR realizada por humanos.

A nivel de artículo, GPT-4.1 logró una precisión aproximada del 77,95%, mientras que GPT-5.0 alcanzó cerca del 81,67%. Sin embargo, estas cifras generales no significan que los modelos rindieran igual con todos los tipos de datos. Al medir cada campo por separado, la precisión osciló entre el 32,40% y el 100,00%. Los campos complejos o que exigían una interpretación subjetiva resultaron menos fiables.

El estudio también descubrió que el grado de coincidencia entre las respuestas de varios LLM podría servir como señal inicial de la calidad de los resultados. Una gran discrepancia entre modelos podría indicar que algunas respuestas contienen hallucinations (información inventada que parece creíble, pero no coincide con la fuente). Esto podría ayudar a identificar qué campos necesitan una revisión humana más rigurosa, aunque el consenso entre modelos no debe considerarse una garantía de exactitud.

Los hallazgos respaldan el uso de los LLM como herramientas para reducir la carga de extracción de datos, más que como sustitutos completos de los investigadores, especialmente en tareas que requieren interpretar el contexto o aplicar criterios de valoración. El trabajo fue publicado en arXiv, dentro de la categoría cs.AI, y está previsto que se presente en Winter Simulation Conference 2026