La inteligencia artificial (IA) ha experimentado un crecimiento exponencial en los últimos años, y uno de sus avances más destacados en el campo del Procesamiento de Lenguaje Natural (PLN) ha sido el desarrollo de los Modelos de Lenguaje de Gran Escala (LLM). Estos modelos, alimentados por grandes cantidades de datos y entrenados con técnicas avanzadas de aprendizaje automático, han revolucionado la forma en que las máquinas comprenden y generan el lenguaje humano.

Los Modelos de LLM, como el GPT de OpenAI y otros, han demostrado su versatilidad en una amplia gama de aplicaciones, desde la generación de texto coherente y la traducción de idiomas hasta la creación de chatbots conversacionales. Sin embargo, uno de los campos donde han mostrado un impacto significativo es en el ámbito de la salud y la medicina.

En este artículo, exploramos algunos de los Modelos de LLM que están siendo aplicados en la industria de la salud y medicina por las mayores empresas tecnológicas y otras organizaciones referentes del sector. 

MEDPALM-2 DE GOOGLE

MedPalm 2 está diseñado para responder preguntas médicas y, según Google, fue el primer sistema de IA en obtener una calificación aprobatoria en preguntas del United States Medical Licensing Examination® (USMLE®) utilizando el conjunto de datos Multiple-Choice Question Answering (MCQA), con una precisión del 85.4%, equiparando a los expertos en la realización de estas pruebas. El modelo se basa en PaLM de Google y cuenta con 54 mil millones de parámetros. No te pierdas este vídeo de la presentación oficial realizada por Google de esta tecnología. 

GPT-4 DE OPENAI

GPT-4 de OpenAI es un modelo de lenguaje natural ampliamente conocido (principalmente por ChatGPT) que cuenta con 100 billones de parámetros. Aunque OpenAI aún no ha lanzado una versión enfocada en la salud, lideró la primera integración importante de modelos de lenguaje natural en el ámbito de la salud mediante su asociación con Microsoft Nuance. Epic (el registro electrónico de salud más grande del mundo) está incorporando esta tecnología en sus capacidades de mensajería para proporcionar notas pre-elaboradas en los registros electrónicos de salud. Tendremos qué estar atentos a qué otras integraciones con esta tecnología se realizarán en los productos de salud digital. 

CLINICAL QA BIOGPT DE JOHN SNOW LABS (JSL)

John Snow Labs ha sido durante mucho tiempo un líder en herramientas y algoritmos de procesamiento de lenguaje natural (PLN) para casos de uso en el campo de la salud. Además del etiquetado y extracción de datos, cuentan con herramientas para desidentificar notas clínicas e información de salud.

JSL recientemente anunció un modelo de lenguaje natural basado en BioGPT (un modelo de lenguaje natural más antiguo y más pequeño entrenado en información médica) con un ajuste fino basado en datos y herramientas de PLN de JSL. Se espera que este modelo tenga un mejor rendimiento que ChatGPT en áreas como la desidentificación de pacientes, la resolución de entidades (como la extracción de códigos de procedimientos y terminología de salud) y la precisión en el resumen clínico.

HEALTHSCRIBE DE AWS

Amazon Web Services (AWS) ha dado un gran paso en el campo de la inteligencia artificial con el lanzamiento de su última innovación: HealthScribe. Esta nueva herramienta utiliza tecnología de vanguardia para ayudar a los médicos a transcribir y analizar sus conversaciones con los pacientes.

HealthScribe utiliza capacidades de procesamiento de lenguaje natural para extraer de las conversaciones términos médicos estructurados, como medicamentos y condiciones clínicas. Transcribe y categoriza estos términos para incorporarlos en los registros electrónicos de salud (EHR) y además de generar notas clínicas (por el momento sólo para dos especialidades médicas: medicina general y ortopedia).

Además de HealthScribe, AWS también anunció AWS HealthImaging, un servicio diseñado para facilitar el almacenamiento, transformación y análisis de datos de imágenes médicas.

PMC-LLaMA (la opción Open Source)

PMC-LLaMA es un proyecto académico basado en una versión afinada del potente modelo LLaMA 13B de Meta, uno de los principales «hubs» de modelos de lenguaje natural a gran escala. Este modelo se entrenó utilizando 4.8 millones de artículos académicos biomédicos y ha demostrado un rendimiento mejorado en comparación con el modelo LLaMA estándar. Puedes leer más sobre este proyecto en este interesante artículo. 

Todos estos modelos implican diferentes grados de madurez y de licencias. Este tipo de herramientas de IA obviamente no son adecuadas para todos los casos de uso en el campo de la salud, pero están resolviendo rápidamente problemas comunes en la industria, como el apoyo en la toma de decisiones clínicas, la educación de los pacientes y la documentación administrativa, entre otros.

¿Cómo impactarán estas tecnologías en la práctica diaria de los profesionales de la salud y en los procesos asistenciales? 

En TISAC no tenemos grandes respuestas pero buscamos siempre hacernos buenas preguntas, ¿nos acompañas en esta conversación?