PSEBench: Benchmark para evaluar LLMs en triaje de seguridad del paciente

La seguridad del paciente es un pilar fundamental en la atención sanitaria, y dentro de ella, el triaje de eventos adversos —decidir si un incidente clínico debe notificarse según la normativa local— es una tarea de alto riesgo que tradicionalmente realizan expertos humanos. Con la irrupción de los grandes modelos de lenguaje (LLMs), surge la oportunidad de automatizar parte de este proceso, pero su fiabilidad depende de contar con evaluaciones rigurosas. En este contexto nace PSEBench, un benchmark diseñado específicamente para medir la capacidad de los LLMs en el triaje de seguridad del paciente, basado en la normativa de Minnesota sobre 29 eventos adversos notificables. La propuesta combina tarjetas de cláusulas (clause cards) que descomponen el texto regulatorio en decisiones auditables, con un pipeline de generación de casos que garantiza la verdad fundamental y permite explorar escenarios de información incompleta o ambigua. Los resultados iniciales sobre 15 modelos representativos revelan tendencias consistentes y brechas accionables, lo que subraya la necesidad de soluciones robustas y adaptables.

Para las organizaciones que buscan implementar sistemas de inteligencia artificial en procesos críticos como este, contar con un socio tecnológico especializado marca la diferencia. Q2BSTUDIO ofrece servicios de inteligencia artificial para empresas, integrando modelos de lenguaje, agentes IA y soluciones de ciberseguridad que garantizan la confidencialidad de los datos clínicos. Además, su experiencia en aplicaciones a medida y software a medida facilita la creación de plataformas que se adaptan a normativas locales. La infraestructura cloud, ya sea con servicios cloud AWS y Azure, proporciona la escalabilidad necesaria para manejar grandes volúmenes de casos, mientras que las herramientas de servicios inteligencia de negocio, como Power BI, permiten visualizar tendencias y métricas de rendimiento. Todo ello converge en un ecosistema tecnológico que puede replicar la lógica de benchmarks como PSEBench en entornos productivos, impulsando una atención más segura y eficiente.