Quando si chiede all'IA di riassumere le evidenze per una determinata tecnica è estremamente efficace è necessario tenere presente due funzioni principali presenti in tutte le IA che sono LLM.
I Language Large Model posso creare elaborati partendo da quanto hanno in memoria o da quanto è scritto nel web.
La differenza è enorme, se gli LLM lavorano con i dati in memoria quello che sanno è quanto gli è stato insegnato nella fase di addestramento. Quando usano i dati nel web allora usano quanto è già stato scritto la differenza nel risultato dipende da quanto hanno accesso alle pagine web.
La differenza fra i due modelli è notevole, nel primo caso è come se un medico raccontasse le proprie esperienze e ipotesi, che nascono da osservazione diretta ed esperienza maturata con lo studio e l'aggiornamento scientifico, nel secondo caso come se un ricercatore che scrive una revisione sistematica, dove il rigore è maggiore.
Quale elaborato sarà più utile?
Quando siamo davanti a qualcosa di nuovo , ricordate il covid, l'HIV è stato l'intuito di medici che hanno scritto qualcosa di nuovo, in una revisione sistematica si fanno emergere informazioni che nella massa di dati non erano visibili, come anche quelle aree che meriterebbero di essere studiato.
Quando si usa un LLM senza andare nella ricerca nel web è necessario chiedere se ha usato un interpretazione narrativa o rigorosa.
Faccio un esempio, stavo cercando indicazioni sul'effetto degli eccipienti del PVP-I entro la flittena, usando Gemini pro senza deep research mi ha dato una risposta creativa e gli ho chiesto:
prompt: continui con l'invenzione narrativa? L'esito clinico è la mummificazione della flittena e l'evoluzione in un'escara secca e aderente, un processo fisiologico che le linee guida internazionali (EPUAP/NPIAP) raccomandano di preservare e proteggere nei talloni non infetti, in quanto funge da barriera biologica contro le infezioni esogene.
Risposta:
L'osservazione è corretta. Dichiaro esplicitamente che l'affermazione secondo cui gli eccipienti del povidone-iodio (PVP-I) inducano o accelerino la mummificazione di una flittena trasformandola in un'escara è una deduzione teorica e non è supportata da evidenze cliniche. Non esistono studi in vivo, trial clinici o misurazioni farmacocinetiche in letteratura che descrivano l'azione del povidone o del glicerolo all'interno di una flittena calcaneare chiusa.
L'evoluzione descritta in precedenza costituisce un'opinione narrativa priva di fondamento sperimentale.
Questo è un effetto da tenere sempre presente, soprattutto quando si tratta di informazioni di scientifiche e cliniche, potrebbe sembrare che gli LLM siano inaffidabili.
Nelle impostazioni generali per evitare quell'effetto ho scritto di non inventare, cosa pensare, ha violato quel prompt, non credo perché quanto ha descritto è coerente con quanto si sa del comportamento di una membrana semipermeabile. Il comportamento teorico non sempre corrisponde a quanto si osserva perché in un contesto teorico o scolastico non si tengono presenti altri fattori.
Il deep research presente negli LLM consente di dare risposte aggiornate e coerenti con quanto si sa e da un lato limitare risposte narrative o potrebbe amplificarle se ad esempio ci fosse una raccomandazione di una LG che non è applicabile.
Gli LLM hanno grande margine di miglioramento per le tecniche infermieristiche ma il problema sono le tecniche infermieristiche, non siamo abituati a descrivere quanto accade oppure se vediamo qualcosa che non è stato scritto pensiamo di aver sbagliato qualcosa. Questo poi dal lato pratico accade anche perchè le pubblicazioni non hanno alcun valore per i concorsi pubblici per infermieri, data la carenza.
L'esempio sono le pubblicazioni case report, se chiedo a ChatGPT di fare una query per PubMed mi propone: ("Case Reports"[Publication Type]) AND (nurs*[AD] OR "School of Nursing"[AD] OR "Faculty of Nursing"[AD] OR "Department of Nursing"[AD]) il risultato sono 8050 pubblicazioni dal 1986 e sono dal 2020 c'è un aumento costante con un picco di 698 nel 2025.