Cómo el prompting puntual de LLM encuentra datos médicos ocultos que los sistemas estándar de desidentificación pasan por alto
Un nuevo estudio ha demostrado que los grandes modelos de lenguaje con indicaciones calibradas para una clínica específica cierran las brechas en la protección de la información médica —incluidos los códigos internos y los nombres de edificios—, superando en precisión a los algoritmos existentes y, de paso, detectando errores en el etiquetado de referencia.





