Lista de modelos de inteligencia artificial para el panorama médico (2023)

Dada la cantidad de avances que la inteligencia artificial (IA) ha logrado este año, no sorprende que haya sido un punto importante de discusión a lo largo de 2023. La IA ahora encuentra su caso de uso en casi todos los ámbitos, y una de sus aplicaciones interesantes y útiles. está en salud y medicina. Desde el descubrimiento de fármacos hasta la transcripción de documentos médicos e incluso la asistencia en cirugías, está transformando la vida de los profesionales médicos e incluso ayuda a reducir errores y mejorar su eficiencia. Este artículo analiza algunos modelos de IA de 2023 que tienen la capacidad de transformar el panorama médico.

Med-PaLM ha sido diseñado por Google Research para el ámbito médico y es capaz de dar respuestas de alta calidad a preguntas médicas. El modelo aprovecha el poder de los LLM de Google y es uno de los primeros modelos en alcanzar un nivel de experto humano al responder preguntas estilo USMLE. Cuando se evaluó, el modelo demostró la capacidad de comprender los síntomas, realizar razonamientos complejos y elegir el tratamiento adecuado. Además, logró una precisión del 86,5% en el punto de referencia del examen médico MedQA en investigación. Aunque muestra capacidades prometedoras, los investigadores quieren realizar evaluaciones más rigurosas para garantizar que el modelo pueda implementarse en dominios críticos para la seguridad.

Bioformer es una versión compacta de BERT que se puede utilizar para la minería de textos biomédicos. Aunque BERT ha logrado un rendimiento de última generación en aplicaciones de PNL, sus parámetros podrían reducirse con un impacto menor en el rendimiento para mejorar su eficiencia computacional. Los investigadores de Bioformer han adoptado este enfoque para desarrollar un modelo cuyo tamaño es significativamente más pequeño que el de BERT (un 60% menos). El modelo se entrenó con resúmenes de PubMed y artículos de texto completo de PubMed Central y utiliza un vocabulario biomédico. Los investigadores lanzaron dos versiones del modelo, Bioformer8L y Bioformer16L, y ambas funcionaron bien incluso con menos parámetros cuando se evaluaron parámetros como el reconocimiento de entidades nombradas, la extracción de relaciones, la respuesta a preguntas y la clasificación de documentos.

MedLM es un conjunto de modelos fundamentales desarrollados por Google que se han ajustado para casos de uso de atención médica. Se han diseñado dos modelos bajo MedLM para abordar tareas complejas y escalar entre tareas. El objetivo principal de estos modelos es automatizar tareas para ahorrar tiempo, aumentar la eficiencia y mejorar la salud general del paciente, y los investigadores de Google han colaborado con Deloitte para poner a prueba las capacidades de MedLM. MedLM también se ha integrado con otros sistemas de IA como ASCEND de BancoCiencia mejorar la calidad y la velocidad de la investigación y el desarrollo clínicos.

RoseTTAFold es un software de aprendizaje profundo que predice estructuras de proteínas solo a partir de información limitada. Es capaz de estudiar el patrón en secuencias de proteínas, la interacción de los aminoácidos de las proteínas y su estructura tridimensional. El modelo permite a los investigadores modelar la forma en que las proteínas y los fármacos de molécula pequeña interactúan entre sí, lo que facilita la investigación sobre el descubrimiento de fármacos. Los investigadores del modelo también han hecho público su código para beneficiar a toda la comunidad.

AlphaFold es un potente modelo de IA desarrollado por DeepMind que puede predecir la estructura 3D de la proteína a partir de su secuencia de aminoácidos. DeepMind se ha asociado con el Instituto Europeo de Bioinformática (EMBL-EBI) del EMBL para lanzar una base de datos que contiene más de 200 millones de predicciones de estructuras de proteínas generadas por IA para facilitar la investigación científica. En CASP14, AlphaFold superó a los otros modelos por un margen significativo, produciendo resultados con alta precisión. Además, tiene el potencial de ayudar mejor a los investigadores a comprender las estructuras de las proteínas y avanzar en la investigación biológica.

ChatGLM es un modelo bilingüe (chino-inglés) que se ha perfeccionado sobre una base de datos de diálogos médicos en chino. El modelo se perfeccionó en un tiempo bastante corto (13 horas), lo que lo convierte en un LLM con fines sanitarios muy asequible. El modelo también tiene una secuencia más larga y, por lo tanto, admite conversaciones y aplicaciones más largas. El modelo ha sido entrenado utilizando técnicas como ajuste fino supervisado, RLHF, etc., lo que le permite comprender mejor las instrucciones humanas. Como resultado, el modelo tiene excelentes capacidades de diálogo y respuesta a preguntas.