Performance of Large Language Models as Assistive Tools for Clinical Pharmacists in the Stomatological Hospital: A Multi-dimensional Comparative Study

En el mundo especializado de los hospitales dentales, los farmacéuticos clínicos sirven como los guardianes de la seguridad de los medicamentos. Su trabajo consiste en asegurar que cada fármaco prescrito para enfermedades orales sea la elección correcta, la dosis adecuada y segura para el historial de salud específico del paciente. Esta labor implica revisar prescripciones, comprobar interacciones farmacológicas peligrosas y ajustar tratamientos para pacientes con condiciones complejas, como insuficiencia renal o problemas hepáticos. Sin embargo, este rol se está volviendo cada vez más difícil. El volumen de información médica crece diariamente, las guías cambian constantemente y los farmacéuticos a menudo enfrentan cargas de trabajo pesadas que dejan poco tiempo para la investigación profunda. Deben tomar decisiones rápidas y precisas mientras gestionan pacientes que pueden estar tomando múltiples medicamentos tanto para la salud oral como para la sistémica.

Para ayudar a gestionar esta presión, muchos hospitales están mirando hacia la inteligencia artificial, específicamente hacia los modelos de lenguaje extensos. Estos son programas informáticos entrenados en vastas cantidades de texto que pueden comprender y generar lenguaje humano. Están diseñados para recuperar información, analizar escenarios complejos y ofrecer respuestas a preguntas que usualmente requieren años de estudio profesional. La pregunta que enfrenta la comunidad médica es si estas herramientas digitales pueden actuar verdaderamente como asistentes confiables para los expertos humanos, o si son simplemente chatbots sofisticados que podrían ofrecer consejos seguros pero incorrectos. Un nuevo estudio de investigadores en China se propuso probar esto directamente, yendo más allá de preguntas generales para ver qué tan bien se desempeñan estos modelos en el entorno específico y de alto riesgo de un hospital dental.

Los investigadores seleccionaron tres de los modelos de lenguaje extensos más avanzados disponibles en ese momento: ChatGPT-5.5 Instant, Gemini-3.5 Flash-Lite y DeepSeek-V3. Para probarlos de manera justa, el equipo creó un conjunto de treinta preguntas realistas que los farmacéuticos clínicos encuentran todos los días. Estas preguntas cubrían seis áreas críticas: cuánto de un fármaco administrar, cómo interactúan los fármacos entre sí, qué pacientes nunca deben tomar ciertos medicamentos, qué fármacos no pueden mezclarse en la misma bolsa de IV, cómo debe administrarse un fármaco y cómo ajustar las dosis para pacientes con insuficiencia renal o hepática. Las preguntas variaron desde hechos directos hasta escenarios complejos que requieren un profundo razonamiento médico.

Cinco farmacéuticos clínicos sénior revisaron las respuestas proporcionadas por cada modelo. No sabían qué modelo había generado cada respuesta, asegurando que su juicio fuera imparcial. Calificaron las respuestas basándose en qué tan precisas, completas y útiles eran para un entorno de farmacia del mundo real. Los resultados mostraron una jerarquía clara en el desempeño. ChatGPT-5.5 Instant produjo las respuestas de mayor calidad, obteniendo una mediana de puntuación que lo situaba en el rango de "bueno" a "excelente". DeepSeek-V3 ocupó el segundo lugar, mientras que Gemini-3.5 Flash-Lite obtuvo la puntuación más baja de los tres. Las diferencias fueron estadísticamente significativas, lo que significa que la brecha en el desempeño era real y no debida al azar.

Curiosamente, la dificultad de las preguntas no cambió la clasificación. Ya fuera una pregunta simple o compleja, ChatGPT superó consistentemente a los demás. El estudio no encontró evidencia de que los modelos empeoraran a medida que las preguntas se volvían más difíciles; mantuvieron sus posiciones relativas independientemente del desafío. Esto sugiere que el desempeño de los modelos es impulsado por su capacidad inherente de razonar y acceder al conocimiento, más que por su simple capacidad de recordar hechos sencillos. Sin embargo, el estudio también destacó una limitación significativa común a los tres modelos: su legibilidad. Las respuestas que generaron estaban escritas en un estilo que era muy difícil de entender para la persona promedio, requiriendo a menudo una educación de nivel universitario para seguir el hilo. Este es un punto crucial para el uso clínico, ya que los farmacéuticos necesitan explicar estos conceptos a los pacientes, y los modelos actualmente luchan por simplificar su lenguaje sin perder precisión.

Otro hallazgo crítico concernía a las fuentes de información. El estudio evaluó la calidad de las fuentes de información proporcionadas por los modelos y encontró que no había una diferencia estadísticamente significativa en las puntuaciones de confiabilidad entre los tres. Sin embargo, los autores enfatizaron que la literatura más amplia en odontología y campos médicos relacionados reporta consistentemente que los modelos de lenguaje extensos frecuentemente generan referencias fabricadas, incluyendo títulos de libros, nombres de revistas y autores inventados. Aunque este estudio específico evaluó la calidad de las fuentes, el problema persistente de las citas alucinadas en el campo más amplio significa que ninguno de los modelos es actualmente seguro para usarse como una fuente de verdad independiente sin verificación. No pueden reemplazar las bases de datos oficiales de fármacos ni el juicio de un farmacéutico con licencia.

Los investigadores concluyeron que estas herramientas de inteligencia artificial muestran una gran promesa como asistentes para los farmacéuticos clínicos en hospitales dentales. Pueden manejar una amplia variedad de tareas de información de fármacos con un nivel de calidad que es aceptable para el apoyo profesional. Sin embargo, deben ser vistos como herramientas para ayudar en la toma de decisiones humanas, no como tomadores de decisiones independientes. El farmacéutico humano sigue siendo esencial para verificar la información, comprobar las guías más recientes y asegurar la seguridad del paciente. A medida que estos modelos continúen evolucionando, pueden volverse aún más capaces, pero por ahora, sirven mejor como un poderoso segundo par de ojos para los expertos que mantienen seguros a los pacientes.