Evaluating LLMs for HIV Epidemiological Surveillance in Spanish: Clinical Summarization, Risk Factor Extraction, and Inference Stability across Models
Este estudio demuestra que los modelos de lenguaje de gran tamaño, particularmente Gemini, son herramientas eficaces y estables para automatizar las tareas de vigilancia epidemiológica del VIH en español, incluyendo la síntesis clínica y la extracción de factores de riesgo, ofreciendo así una solución viable para reducir la carga de documentación y mejorar el diagnóstico temprano en entornos de emergencias de alto volumen.