Autores:

• Alex Edelfre Flores Mamani

• Gerson Villugas Avellaneda

• Julio Daniel Pozo Garcia

• Brayan Bruce Pérez Escobar

Resumen:

La saturación de los servicios de urgencias y la variabilidad del triaje clínico exigen soluciones que operen en español y bajo información clínica incompleta. Este estudio presenta un asistente conversacional de triaje basado en el Emergency Severity Index (ESI), capaz de formular hasta dos preguntas de aclaración y de solicitar la medición presencial de signos vitales ausentes en lugar de asumir normalidad. Se ajustaron mediante QLoRA cuatro modelos de lenguaje sobre un dataset conversacional sintético generado con RAG offline sobre el ESI Implementation Handbook, evaluados según discordancia de triaje, tasa de subtriaje y latencia. Llama 3.2 1B ofreció el mejor equilibrio clínico-computacional (discordancia 49.33%, subtriaje 26.1%, 6.42 s, sin GPU), frente a Qwen 7B como mejor desempeño absoluto (48.00% y 23.8%). Los resultados confirman la viabilidad de un asistente ligero para entornos con recursos limitados, aunque el subtriaje observado aún es demasiado alto para un despliegue clínico sin supervisión.

Impacto:

Este trabajo evidencia la viabilidad de adaptar modelos de lenguaje mediante ajuste fino ligero para sostener un triaje conversacional seguro en español, un idioma sin antecedentes documentados en esta tarea. El enfoque —RAG offline solo para generar datos, ajuste fino para producción y diseño explícito ante la incertidumbre prehospitalaria— es un marco replicable en otras instituciones y contextos de recursos limitados, como apoyo al personal de triaje.

Palabras clave:
Triaje de Urgencias, Emergency Severity Index, Modelos de Lenguaje de Gran Escala, Inteligencia Artificial Conversacional, Quantized Low-Rank Adaptation, Procesamiento de Lenguaje Natural Clínico en Español, Triaje Prehospitalario, Generación Aumentada por Recuperación, Subtriaje, Signos Vitales Ausentes