Studio Esamina la Coerenza delle Prescrizioni di Esercizio Generate dall'IA Utilizzando Modelli Linguistici di Grandi Dimensioni

Uno studio recente pubblicato su arXiv (2604.11287v1) ha esaminato quanto coerentemente i modelli linguistici di grandi dimensioni producono prescrizioni di esercizio nelle stesse condizioni. I ricercatori hanno utilizzato Gemini 2.5 Flash per creare 120 prescrizioni di esercizio attraverso sei scenari clinici, ottenendo 20 output per scenario. La valutazione della coerenza si è concentrata su tre aspetti: coerenza semantica, valutata tramite similarità coseno basata su SBERT; coerenza strutturale, allineata al principio FITT utilizzando un metodo AI-as-a-judge; e coerenza delle espressioni di sicurezza, che includeva tassi di inclusione e analisi a livello di frase. I risultati hanno indicato un'elevata similarità semantica tra gli scenari, con similarità coseno media compresa tra 0,879 e 0,939, e una maggiore coerenza nei casi clinicamente vincolati. Questo studio ha utilizzato un design di generazione ripetuta per esplorare la coerenza intra-modello, affrontando l'affidabilità delle raccomandazioni di esercizio personalizzate generate da LLM e migliorando la comprensione del ruolo dell'IA nell'assistenza sanitaria dove output coerenti sono vitali.