El artículo presenta una metodología innovadora al servicio de la población diabética, y sus cuidadores, para la adaptación de modelos del lenguaje al contexto de la monitorización de esta enfermedad.
Jaén, junio de 2025 – El equipo del proyecto MicroChip4Age ha dado un paso decisivo en la integración de modelos de lenguaje con datos fisiológicos de pacientes diabéticos. El estudio, recientemente publicado en la revista científica Computer Methods and Programs in Biomedicine, pretende responder a las necesidades y circunstancias que enfrenta la sociedad actual y, en concreto, la comunidad diabética.
Bajo el título “A novel fine-tuning and evaluation methodology for large language models on IoT raw data summaries (LLM-RawDMeth): A joint perspective in diabetes care”, el trabajo ha sido desarrollado por los investigadores Juan Francisco Gaitán Guerrero, Carmen Martínez Cruz, Macarena Espinilla Estévez, David Díaz Jiménez y José Luis López Ruiz, con el objetivo de capacitar a los modelos generativos para interpretar datos procedentes de dispositivos de monitorización continua de glucosa de manera precisa, segura y comprensible.
Inteligencia artificial al servicio de la intervención clínica
El estudio introduce una metodología que integra conocimiento experto, lógica difusa y técnicas avanzadas de entrenamiento para adaptar grandes modelos de lenguaje al dominio de la monitorización de glucosa. Lejos de limitarse a traducir datos, el sistema logra identificar eventos clínicamente relevantes y expresarlos en lenguaje natural con un nivel de detalle comprensible por profesionales y pacientes.
Además, se incorpora un marco de evaluación especializado, que permite medir la calidad informativa, la precisión temporal y la seguridad de los contenidos generados, alineando la producción del modelo con los estándares exigidos en contextos médicos.
Un enfoque pionero basado en datos reales
Los modelos, entrenados con más de 48.000 registros reales de mediciones de glucosa (y su resumen asociado), demuestran la solidez de la propuesta tanto en entornos con datos completos como en situaciones de información parcial.
Nuevos horizontes alcanzados a través de MicroChip4Age
Esta publicación refuerza el enfoque metodológico del proyecto MicroChip4Age, demostrando que es posible construir soluciones basadas en inteligencia artificial que mantienen la trazabilidad del conocimiento clínico y la comprensibilidad del lenguaje, aspectos clave para la aceptación de estas herramientas en contextos reales.
