Una imagen puede valer más que mil palabras, pero aún así… ambos tienen mucho trabajo por hacer para alcanzar a BiomedGPT.
Cubierto recientemente en la revista. Medicina de la naturalezaBiomedGPT es un nuevo tipo de inteligencia artificial (IA) diseñado para respaldar una amplia gama de tareas médicas y científicas. Este nuevo estudio, realizado en colaboración con múltiples instituciones, se describe en el artículo como «el primer modelo básico de visión y lenguaje ligero y de código abierto, diseñado como un generalista capaz de realizar diversas tareas biomédicas».
«Este trabajo combina dos tipos de IA en una herramienta de apoyo a la toma de decisiones para los proveedores médicos», explica Lichao Sun, profesor asistente de informática e ingeniería en la Universidad de Lehigh y autor principal del estudio. «Un lado del sistema está capacitado para comprender imágenes biomédicas y el otro está capacitado para comprender y evaluar textos biomédicos. La combinación de estos permite que el modelo aborde una amplia gama de desafíos biomédicos, utilizando información obtenida de bases de datos de imágenes biomédicas y de el análisis y síntesis de informes de investigaciones científicas y médicas.»
'16 resultados de última generación' para médicos y pacientes
La innovación clave descrita en el informe del 7 de agosto Medicina de la naturaleza El artículo, «Un modelo básico de visión y lenguaje generalista para diversas tareas biomédicas», es que este modelo de IA no necesita estar especializado para cada tarea. Normalmente, los sistemas de IA están capacitados para trabajos específicos, como reconocer tumores en rayos X o resumir artículos médicos. Sin embargo, este nuevo modelo puede manejar muchas tareas diferentes utilizando la misma tecnología subyacente. Esta versatilidad lo convierte en un modelo «generalista» y en una nueva y poderosa herramienta en manos de los proveedores médicos.
«BiomedGPT se basa en modelos básicos, un desarrollo reciente en IA», afirma Sun. «Los modelos básicos son grandes sistemas de IA previamente entrenados que se pueden adaptar a diversas tareas con una capacitación adicional mínima. El modelo generalista descrito en el artículo ha sido entrenado con grandes cantidades de datos biomédicos, incluidas imágenes y texto, lo que le permite funcionar bien. en diferentes aplicaciones.»
«Evaluando 25 conjuntos de datos en 9 tareas biomédicas y diferentes modalidades», dice Kai Zhang, estudiante de doctorado de Lehigh asesorado por Sun y primer autor del estudio. Naturaleza artículo, «BiomedGPT logró 16 resultados de última generación. Una evaluación humana de BiomedGPT en tres tareas de radiología mostró las sólidas capacidades predictivas del modelo».
Zhang dice que está orgulloso de que el código base de fuente abierta esté disponible para que otros investigadores lo utilicen como trampolín para impulsar un mayor desarrollo y adopción.
El equipo informa que la tecnología detrás de BiomedGPT algún día podría ayudar a los médicos a interpretar imágenes médicas complejas, ayudar a los investigadores a analizar la literatura científica o incluso ayudar en el descubrimiento de fármacos al predecir cómo se comportan las moléculas.
«El impacto potencial de esta tecnología es significativo», afirma Zhang, «ya que podría agilizar muchos aspectos de la atención sanitaria y la investigación, haciéndolos más rápidos y precisos. Nuestro método demuestra que un entrenamiento eficaz con datos diversos puede conducir a una IA biomédica más práctica para mejorando el diagnóstico y la eficiencia del flujo de trabajo».
Un esfuerzo de equipo para la validación clínica y más
Un paso crucial en el proceso fue la validación de la eficacia y aplicabilidad del modelo en entornos sanitarios del mundo real.
«Las pruebas clínicas implican aplicar el modelo de IA a datos reales de pacientes para evaluar su precisión, confiabilidad y seguridad», dice Sun. «Estas pruebas garantizan que el modelo funciona bien en diferentes escenarios. Los resultados de estas pruebas ayudaron a perfeccionar el modelo, demostrando su potencial para mejorar la toma de decisiones clínicas y la atención al paciente».
El Hospital General de Massachusetts (MGH), miembro fundador del sistema de salud Mass General Brigham y afiliado docente de la Facultad de Medicina de Harvard, desempeñó un papel crucial en el desarrollo y la validación del modelo BiomedGPT. La participación de la institución se centró principalmente en brindar experiencia clínica y facilitar la evaluación de la efectividad del modelo en entornos de atención médica del mundo real. Por ejemplo, el modelo fue probado con radiólogos del MGH, donde demostró un rendimiento superior en tareas como respuesta visual a preguntas y generación de informes radiológicos. Esta colaboración ayudó a garantizar que el modelo fuera preciso y práctico para uso clínico.
Otros contribuyentes a BiomedGPT incluyen investigadores de la Universidad de Georgia, Samsung Research America, la Universidad de Pensilvania, la Universidad de Stanford, la Universidad de Florida Central, la UC-Santa Cruz, la Universidad de Texas-Health, el Hospital Infantil de Filadelfia y la Clínica Mayo.
«Esta investigación es altamente interdisciplinaria y colaborativa», dice Sun. «La investigación involucra experiencia de múltiples campos, incluyendo ciencias de la computación, medicina, radiología e ingeniería biomédica. Cada autor aporta el conocimiento especializado necesario para desarrollar, probar y validar el modelo en diversas tareas biomédicas. Proyectos a gran escala como este a menudo requieren acceso a diversos conjuntos de datos y recursos computacionales, junto con acceso a habilidades en desarrollo de algoritmos, entrenamiento de modelos, evaluación y aplicación a escenarios del mundo real, así como pruebas y validación clínicas.
«Este fue un verdadero esfuerzo de equipo», dice. «Crear algo que realmente pueda ayudar a la comunidad médica a mejorar los resultados de los pacientes en una amplia gama de cuestiones es un desafío muy complejo. Con tal complejidad, la colaboración es clave para crear impacto mediante la aplicación de la ciencia y la ingeniería».
