Google publica el marco que usa para evaluar la precisión, seguridad y utilidad de sus modelos de IA en salud
Un documento elaborado con las doctoras Elizabeth McGlynn y Dana Gelb Safran combina pruebas de preguntas cerradas, evaluadores automáticos y revisión de expertos; Google no publica nuevas puntuaciones de sus modelos.
Por qué importa
Las preguntas de salud son uno de los usos principales de los chatbots, pero no existe un método acordado para comprobar si las respuestas son seguras. El artículo de Google vincula la evaluación a las etapas de un producto, desde el modelo base hasta la supervisión tras el despliegue, y a tres ámbitos: precisión, seguridad y utilidad. Es un método, no una tabla de resultados, así que no permite comparar sus modelos con los de rivales. Habrá que ver si sistemas sanitarios, compradores o reguladores lo adoptan, que es el objetivo declarado.
Datos clave
- Tres ámbitos: precisión, seguridad, utilidad
- Métodos: preguntas cerradas, evaluadores automáticos, revisión experta
- Con las doctoras Elizabeth McGlynn y Dana Gelb Safran
- Artículo en arXiv el 3 nov 2026