Prompts en oftalmología

Autores/as

  • Leonardo Ferlini Consejo Argentino de Oftalmología
  • Daniel Sabella Consejo Argentino de Oftalmología

DOI:

https://doi.org/10.70313/2718.7446.v18.n1.406

Palabras clave:

inteligencia artificial, prompts, Chat GPT, medicina, oftalmología

Resumen

La inteligencia artificial está en nuestras vidas, en una etapa de crecimiento y evolución. Para un médico oftalmólogo, la IA puede ser una herramienta de gran valor, tanto en la práctica clínica como en la investigación. Su utilización depende en gran parte de comprender cómo funciona, su fortalezas y debilidades. Una de las claves para poder comenzar a sacarle verdaderamente provecho es hacerle las preguntas correctas, de la manera más adecuada, para lo cuál, existen estructuras de interacción entre los humanos y la IA denominados “prompts”, que son las instrucciones que damos a esos sofisticados sistemas de inteligencia regenerativa. En el presente artículo, haremos una introducción práctica a esta herramienta, en el contexto médico oftalmológico.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Leonardo Ferlini, Consejo Argentino de Oftalmología

    Departamento de Innovación, Desarrollo e Investigación del Consejo Argentino de Oftalmología. Cdad. Autónoma de Buenos Aires; Argentina

  • Daniel Sabella, Consejo Argentino de Oftalmología

    Departamento de Innovación, Desarrollo e Investigación del Consejo Argentino de Oftalmología. Cdad. Autónoma de Buenos Aires.

Referencias

Meskó B. Prompt engineering as an important emerging skill for medical professionals: tutorial. J Med Internet Res. 2023; 25: e50638. doi:10.2196/50638

Younis HA, Eisa TAE, Nasser M et al. A systematic review and meta-analysis of artificial intelligence tools in medicine and healthcare: applications, considerations, limitations, motivation and challenges. Diagnostics (Basel). 2024; 14(1): 109. doi:10.3390/diagnostics14010109

Singhal K, Azizi S, Tu T, et al. Large language models encode clinical knowledge. Nature. 2023; 620(7972): 172-180. doi:10.1038/s41586-023-06291-2 [errata corregida en Nature. 2023;620(7973):E19.]

Wang L, Chen X, Deng X et al. Prompt engineering in consistency and reliability with the evidence-based guideline for LLMs. NPJ Digit Med. 2024; 7(1): 41. doi:10.1038/s41746-024-01029-4

Lan H. Prompt engineering for academic librarian: implications and applications of prompt engineering in academic librarianship. Journal of Web Librarianship 2024; 18(3): 169-175. doi:10.1080/19322909.2024.2399055

Lee JH, Shin J. How to optimize prompting for large language models in clinical research. Korean J Radiol. 2024; 25(10): 869-873. doi:10.3348/kjr.2024.0695

Saravia E. Guía de ingeniería de prompt. [S.l.]: DAIR.AI, 2022. DAIR.AI. Disponible en: https://www.promptingguide.ai/es

Descargas

Publicado

2025-03-28

Número

Sección

Opiniones Científicas

Cómo citar

[1]
2025. Prompts en oftalmología. Oftalmología Clínica y Experimental. 18, 1 (Mar. 2025), e7-e14. DOI:https://doi.org/10.70313/2718.7446.v18.n1.406.

Artículos similares

1-10 de 216

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Artículos más leídos del mismo autor/a