Este trabajo pretende ofrecer a los internistas una visión práctica y orientada sobre cómo la inteligencia artificial (IA) generativa basada en modelos de lenguaje puede integrarse eficazmente en la práctica clínica diaria. Describimos los principales mecanismos de adaptación de estos sistemas, como fine-tuning y generación aumentada por recuperación (RAG) para tareas como la generación de informes, síntesis de hallazgos clínicos y apoyo en diagnósticos diferenciales, subrayando ejemplos reales de uso en medicina interna. Asimismo, analizamos los requisitos técnicos y organizativos necesarios para su adopción, incluyendo la infraestructura de cómputo, la integración con historias clínicas electrónicas y los protocolos de seguridad y privacidad según RGPD y Reglamento Europeo de IA. Por otro lado, destacamos las oportunidades de mejora en la toma de decisiones clínicas, la optimización de flujos de trabajo y la reducción de carga administrativa, junto con las limitaciones actuales, como sesgos, alucinaciones y necesidad de supervisión humana. Finalmente, ofrecemos recomendaciones para la validación prospectiva en entornos reales y para asegurar la transparencia explicable, con el objetivo de empoderar a los internistas en la incorporación responsable y eficiente de estas herramientas innovadoras.
This work aims to provide internists with a practical, focused overview of how generative artificial intelligence (AI) based on large language models can be effectively integrated into daily clinical practice. It describes the primary adaptation mechanisms like fine-tuning and retrieval-augmented generation (RAG) for tasks such as report generation, synthesis of clinical findings, and support in differential diagnoses, highlighting real-world examples in Internal Medicine. Technical and organizational requirements for adoption are analyzed, including computing infrastructure, integration with electronic health records, and security/privacy protocols under GDPR and the EU AI Act. Opportunities for enhancing clinical decision-making, optimizing workflows, and reducing administrative burden are emphasized, alongside current limitations like bias, hallucinations, and the need for human oversight. Finally, recommendations are offered for prospective validation in real-world settings and for ensuring explainable transparency, with the goal of empowering internists to incorporate these innovative tools responsibly and efficiently.
Artículo
Diríjase desde aquí a la web de la >>>FESEMI<<< e inicie sesión mediante el formulario que se encuentra en la barra superior, pulsando sobre el candado.
Una vez autentificado, en la misma web de FESEMI, en el menú superior, elija la opción deseada.
>>>FESEMI<<<
