Santo Domingo 29°C/32°C scattered clouds

Suscribete

Foro Inteligencia Artificial y Salud 

Revolución de la ciencia de la salud y sus disciplinas

  • Conceptos. La Inteligencia Artificial generativa es una nueva forma de IA que incluye herramientas como los “Large Language Models (LLM)”, que pueden crear nuevos contenidos a partir de datos existentes.
Imagen producida por ChatGPT-4 Turbo.

Imagen producida por ChatGPT-4 Turbo.Cortesía

Avatar del Listín Diario
REnato GOnzález Especial para LD 

A finales de 2022, OpenAI lanzó ChatGPT, un modelo de Inteligencia Artificial Generativa que atrajo a más de mil millones de usuarios únicos en 90 días.

Estos modelos originalmente solo trataban texto, pero actualmente las nuevas versiones y nuevos productos pueden manejar múltiples modalidades, incluyendo imágenes, vídeos, sonidos y documentos completos, lo que representa una evolución significativa en este campo.

Actualmente, la IA está revolucionando muchas disciplinas, y la ciencia de la salud es una de sus preferidas. Como veremos en este artículo, los avances en los Modelos de IA Generativa y los Lenguajes Multimodales (M-LLM) son herramientas de soporte para el profesional de la salud que están transformando la práctica médica, mejorando la eficiencia y precisión del diagnóstico y contribuyendo al tratamiento de enfermedades a un costo relativamente bajo para los sistemas de salud y los pacientes.

Los algoritmos de IA Generativa, como Google Bard y GPT-4, son entrenados con grandes volúmenes de texto, que pueden producir respuestas impresionantes a consultas humanas. Un ejemplo es el sistema de IA GatorTron, un LLM basado en GPT-4, que esta entrenado en registros electrónicos de salud.

Los Modelos Multimodales (M-LLM) son LLM pueden manejar múltiples modalidades de información, como texto, imágenes, vídeos, sonido y documentos completos. Esto incluye la prosodia, el gesto, la expresión facial y el movimiento corporal, que invariablemente acompañan a la expresión lingüística en contextos cara a cara. Tienen un gran potencial para mejorar el diagnóstico y la gestión de pacientes, integrando datos de diferentes fuentes médicas. Ejemplos de estos son ChatGPT-4 Turbo, Linus Health, PathAI y LLaMA-Adapter V2, entre otros.

La multimodalidad de la medicina 

Un concepto fundamental metodológico que posee la ciencia de la salud es que, para diagnosticar y tratar a un paciente de forma efectiva, los médicos deben tener acceso a una amplia gama de datos procedentes de diferentes fuentes. Estos datos pueden incluir: estudios diagnósticos usando imágenes médicas computarizadas (imágenes de resonancia magnética funcional fMRI, electroencefalogramas EEG, tomografías computarizadas CT, etc.), sistemas de registros históricos de imágenes (PACS), pruebas clínicas de laboratorio, notas clínicas elaboradas por el médico y el personal de salud y sistemas de registros médicos electrónicos (EHR).

Esto nos lleva afirmar que la profesión médica, desde el punto de vista de las fuentes de información, es de carácter multimodal. En el caso de las imágenes médicas computarizadas hoy en día los algoritmos de Machine Learning y Deep Learning han avanzado extraordinariamente en la detección de enfermedades. Los EHR son bases de datos estructuradas de registros del historial de salud del paciente, generalmente asociados a los sistemas PACS. Las notas clínicas de pacientes pueden estar escritas en textos de lenguaje natural no estructurado (tanto digital como analógico), por lo que se pueden requerir algoritmos de procesamiento del lenguaje natural (NLP).

Los avances en los Modelos de IA Generativa y los Lenguajes Multimodales (M-LLM) son herramientas de soporte para el profesional de la salud que están transformando la práctica médica.
Renato González
Renato González Coordinador de la Maestría en Ciencia de Datos del INTEC.

Enfermedades cardiovasculares 

Un ejemplo importante es la aplicación de la IA a las enfermedades cardiovasculares (ECV), que son la principal causa de muerte en todo el mundo. Algunas de las ECV más comunes son la enfermedad cardíaca coronaria, el accidente cerebrovascular, la insuficiencia cardíaca y la enfermedad arterial periférica. La IA se puede utilizar para mejorar el diagnóstico, el pronóstico y el tratamiento de las ECV de varias maneras:

Diagnóstico: Un estudio reciente encontró que un modelo de IA basado en M-LLM podía diagnosticar la enfermedad cardíaca coronaria con una precisión del 95 %.

Predicción: Otro estudio encontró que un modelo de IA basado en M-LLM podría predecir el riesgo de accidente cerebrovascular con una precisión del 85%.

• Tratamiento: Un modelo de IA basado en M-LLM puede diseñar nuevos escenarios de medicamentos para la enfermedad cardíaca coronaria.

• El análisis de comorbilidades: Los historiales clínicos a menudo contienen pistas sutiles sobre condiciones adicionales que pueden complicar o alterar el curso del tratamiento. Los sistemas M-LLM pueden descubrir estas relaciones complejas, lo que es especialmente útil en pacientes con múltiples condiciones crónicas, como diabetes, hipertensión, entre otras, cuya interacción puede ser difícil de manejar sin asistencia médica especializada.

Atención remota usando los M-LLM

Se refiere al soporte de la IA para diagnóstico de una prestadora de servicios de salud que está revisando casos complejos y recurre a un Sistema M-LLM que opera en internet en forma remota. 

Por ejemplo, un paciente en su hogar experimenta síntomas inusuales días después de una cirugía de rodilla. Este, usando su smartphone, carga una foto de la rodilla hinchada, comparte datos recientes de su frecuencia cardíaca, su temperatura corporal y comunica sus síntomas mediante interacción con mensajes de texto y voz. 

El Sistema M-LLM analiza estos datos, incluidos los biomarcadores vocales del paciente y produce un diagnóstico preliminar para revisión del médico que lo atiende remotamente.

Tags relacionados