Si te da igual la IA generativa no eres una excepción
Utilizando modelos pequeños de lenguaje para la atención asistencial, CARDIA el corazón en 3D, casi nadie utiliza con frecuencia ChatGPT, Generación Aumentada por Recuperación
Y ahora los SLM
Estoy seguro que tu saturación por las noticias y avances en la IA es grande, pero hay algunas temas que quiero contarte. Como siempre de forma sencilla para entender hacia dónde vamos.
Quizá te enteraste que Microsoft había publicado nuevos modelos LLM “pequeños y abiertos” que ha llamado Phi-3 (en sus diferentes versiones small, medium y mini al que añadir “vision” un modelo de imagen). Así que los llamaremos SLM (Small Language Models). Para que te hagas una idea el “mini” tiene 3.800 millones de parámetros, que comparado con GPT-3 (que ya está descatalogado) tenía 175.000 millones y el billón de parámetros que se supone tiene GPT-4.
Bueno… modelos más pequeños que además de los ahorros que te imaginas, su clave está en que se pueden diseñar para funcionar bien en tareas más sencillas, se ajustan más fácilmente, son más accesibles y fáciles de usar. Lo que para una organización con recursos limitados o que quiera satisfacer necesidades específicas puede ser perfecto.
¿Podría ser una de estas necesidades responder rápidamente a pacientes o resumir historias clínicas complejas? pues Epic, el mayor desarrollador de SI sanitarios USA cree que sí y por eso está probando los Phi-3 junto con Microsoft.
Imagínate que puedes integrar un modelo así, entrenado y ajustado para estos cometidos en un software sanitario. Algo tan sencillo como clicar un botón o incluso una acción automatizada en función de un proceso. Pues eso.
CARDIA 3D del corazón
Pero ahora voy con la aplicación de la IA “tradicional” en concreto su modalidad de visión artificial, muy utilizada para la clasificación en imagen médica.
Esta semana he podido asistir a la presentación del proyecto CARDIA de Apolo AI que se define como la prueba diagnóstica, desarrollada con inteligencia artificial (computer vision), que ayuda a detectar cardiopatías de forma rápida, precisa y ahorrando costes y que utiliza la imagen en 2D obtenida de una ecocardiograma para reconstruir el corazón en 3D.
El proyecto cuenta con un equipo de 20 personas, especialistas en biomedicina y computación y el asesoramiento de cardiólogos. Pude ver el software en funcionamiento y su fundador Daniel Ferrer hizo hincapié en los tres beneficios del sistema:
La detección temprana de enfermedades cardiovasculares.
La precisión en el diagnóstico.
Y la personalización de tratamientos.
En su roadmap se encuentra la validación como SaMD durante 2025 para conseguir el certificado CEE, la acreditación FDA y la UKCA.
Os enlazo un artículo en iSanidad.
Francamente querida…
Y ahora, la encuesta realizada por Reuters Institute y la Universidad de Oxford con la que se quiere conocer si las personas utilizan la inteligencia artificial generativa. El informe está centrado en diversos usos, pero sobre todo en medios de comunicación.
Una encuesta a la población general, más de 12.000 personas de seis países (Argentina, Dinamarca, Francia, Japón, Reino Unido y EE. UU.), para saber cómo la utilizan y qué piensan sobre su aplicación en el trabajo y en la vida.
Para quien tenga prisa: casi nadie la utiliza con frecuencia y la mayoría sólo ha probado un par de veces, lo cual no impide que en general piensen que tendrá un gran impacto en la ciencia y se espera que se use éticamente en salud.
En lenguaje coloquial “ya podéis dar todo el bombo del mundo que a mi me da igual, solo quiero que se utilice bien”.
La primera pregunta que me sugiere esto es: con esta perspectiva de la población ¿hay futuro para un producto de consumo global como quiere ser ChatGPT?
Voy con lo más relevante:
La mayoría de los encuestados han oído hablar de la IAG sobre todo de ChatGPT y mucho menos de otras.
El uso de ChatGPT (que no llega al 30% de los encuestados los que lo han utilizado alguna vez) está mucho más extendido que el resto de los productos.
Se espera que la IA generativa tenga un impacto relativamente grande en la atención sanitaria y en la ciencia (66%), y pocos (16%-17%) esperan que se utilice de manera irresponsable.
La diferencia entre los que creen que la IAG mejorará la ciencia y los que la perjudicará es +44 puntos. Y +36 puntos en la atención médica.
No se ponen de acuerdo si será beneficioso para la sociedad: el 30% creen que sí y el 31% que no.
Aún es pronto, pero las conclusiones del informe van por un futuro donde la IAG estará impulsada por una parte por productos utilizados en el trabajo. Y por otra en elementos dentro de plataformas (ya sean estas redes sociales y motores de búsqueda) que utilizaremos en nuestro día a día.
RAG - Retrieval Augmented Generation
Y finalizo con un experimento en Icahn School of Medicine at Mount Sinai de NY donde utilizaron GPT-4 para predecir si un paciente de la sala de urgencias necesitaría ser ingresado en hospital.
Los resultados utilizando solamente GPT-4 no fueron mejores que los métodos de aprendizaje automático (ML) que ya tenían, pero si le añadían generación aumentada por recuperación (RAG) y probabilidades numéricas que les daban los modelos de ML, entonces se alcanzaban mejoras sustanciales.
El mecanismo RAG se basa, en general, en recuperar información fidedigna y relevante de una base de conocimiento externa al LLM y con ella enriquecer el “prompt” buscando aumentar la calidad de la respuesta.
En el ejemplo de Mount Sinai los investigadores lo encontraron interesante porque puede ser un camino para “capacitar rápidamente a los LLM para proporcionar información valiosa incluso en entornos complejos como la atención médica”.
Espero que te haya gustado, si es así te agradezco que lo compartas. Y por supuesto en CuraeSalud encontrarás la más amplia información sobre Salud Digital.