{"id":36246,"date":"2022-12-26T09:30:14","date_gmt":"2022-12-26T15:30:14","guid":{"rendered":"https:\/\/saluddigital.com\/?p=36246"},"modified":"2025-10-20T00:11:06","modified_gmt":"2025-10-20T06:11:06","slug":"que-son-modelos-fundacionales-y-como-mejoran-la-ia-en-salud","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/que-son-modelos-fundacionales-y-como-mejoran-la-ia-en-salud\/","title":{"rendered":"\u00bfQu\u00e9 son modelos fundacionales y c\u00f3mo mejoran la IA en salud?"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Los modelos de Inteligencia Artificial (IA) en salud pueden ser m\u00e1s accesibles gracias a los modelos fundacionales.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Un modelo fundacional o foundation model<\/em> es un t\u00e9rmino acu\u00f1ado por Bimmasani et al, en 2021, para identificar modelos que implican de IA que se basan en conceptos e ideas cl\u00e1sicas del aprendizaje profundo, pero con dos diferencias principales. Estas diferencias son el aprendizaje de grandes cantidades de datos sin etiquetar y la adaptabilidad con una mejor eficiencia de la muestra.<\/p>

Durante el \u00faltimo a\u00f1o los avances en IA al alcance de la poblaci\u00f3n para realizar diversas actividades han sido m\u00e1s accesibles. Por ejemplo, para la creaci\u00f3n de im\u00e1genes generadas por un modelo entrenado de IA; para resolver problemas matem\u00e1ticos; para escribir poemas; o para responder preguntas m\u00e1s elaboradas.<\/p>

En el caso de la IA aplicado en salud, la implementaci\u00f3n de modelos probados en entornos cl\u00ednicos sigue siendo muy limitada. Seg\u00fan la Universidad de Stanford, se han desarrollado cerca de 600 modelos para predecir resultados entre pacientes por COVID-19, sin embargo, ninguno se ha implementado para su uso en la atenci\u00f3n de los pacientes. Algunos de los obst\u00e1culos son que los modelos dependen de la extracci\u00f3n de datos personalizados, conjuntos de capacitaci\u00f3n, marcos regulatorios para el mantenimiento y monitoreo de la tecnolog\u00eda para el cuidado de la salud, entre otros.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de Stanford explican detallan oportunidades clave para la pr\u00f3xima generaci\u00f3n de modelos fundacionales de IA para su aplicaci\u00f3n m\u00e9dica:<\/p>

  1. Adaptabilidad de la IA con menos ejemplos etiquetados manualmente<\/li>
  2. IA modular, reutilizable y robusta<\/li>
  3. Haciendo de la multimodalidad la nueva normalidad<\/li>
  4. Nuevas interfaces para la colaboraci\u00f3n humano-IA<\/li>
  5. Aliviando el costo de desarrollar, implementar y mantener IA en hospitales<\/li><\/ol>

    Los modelos base o fundacionales, podr\u00edan mejorar la precisi\u00f3n de la IA en diagn\u00f3sticos m\u00e9dicos sin requerir cientos de miles de im\u00e1genes etiquetadas por m\u00e9dicos para su entrenamiento. Asimismo, este tipo de modelos aprenden patrones \u00fatiles y pueden codificar la informaci\u00f3n en un conjunto de pasos del modelo. Aunque este proceso no es nuevo y se utiliza para adaptar modelos de manera sencilla y r\u00e1pida para aplicarse en otros modelos, hace que los modelos fundacionales sean m\u00e1s eficientes para transferir el aprendizaje.<\/p>

    Los investigadores de Stanford reconocen que existen beneficios de los modelos fundacionales en su aplicaci\u00f3n a la atenci\u00f3n m\u00e9dica, por ejemplo, la utilizaci\u00f3n de modelos para m\u00e1s de un prop\u00f3sito. Los modelos fundacionales pueden capturar diversos conocimientos a partir de datos no etiquetados o bien los especialistas pueden entrenar modelos estos modelos base ya existentes, lo que reduce el tiempo de entrenamiento y la cantidad de datos para realizar esta acci\u00f3n.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

    \n\t\t\t\t\t\t
    \n\t\t\t\t\t
    \n\t\t\t
    \n\t\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

    STANFORD<\/strong><\/p>

    https:\/\/hai.stanford.edu\/news\/how-foundation-models-can-advance-ai-healthcare<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

    Los modelos de Inteligencia Artificial (IA) en salud pueden ser m\u00e1s accesibles gracias a los modelos fundacionales. Un modelo fundacional o foundation model es un t\u00e9rmino acu\u00f1ado por Bimmasani et al, en 2021, para identificar modelos que implican de IA que se basan en conceptos e ideas cl\u00e1sicas del aprendizaje profundo, pero con dos diferencias principales. Estas diferencias son el aprendizaje de grandes cantidades de datos sin etiquetar y la adaptabilidad con una mejor eficiencia de la muestra. Durante el \u00faltimo a\u00f1o los avances en IA al alcance de la poblaci\u00f3n para realizar diversas actividades han sido m\u00e1s accesibles. Por ejemplo, para la creaci\u00f3n de im\u00e1genes generadas por un modelo entrenado de IA; para resolver problemas matem\u00e1ticos; para escribir poemas; o para responder preguntas m\u00e1s elaboradas. En el caso de la IA aplicado en salud, la implementaci\u00f3n de modelos probados en entornos cl\u00ednicos sigue siendo muy limitada. Seg\u00fan la Universidad de Stanford, se han desarrollado cerca de 600 modelos para predecir resultados entre pacientes por COVID-19, sin embargo, ninguno se ha implementado para su uso en la atenci\u00f3n de los pacientes. Algunos de los obst\u00e1culos son que los modelos dependen de la extracci\u00f3n de datos personalizados, conjuntos de capacitaci\u00f3n, marcos regulatorios para el mantenimiento y monitoreo de la tecnolog\u00eda para el cuidado de la salud, entre otros. Investigadores de Stanford explican detallan oportunidades clave para la pr\u00f3xima generaci\u00f3n de modelos fundacionales de IA para su aplicaci\u00f3n m\u00e9dica: Adaptabilidad de la IA con menos ejemplos etiquetados manualmente IA modular, reutilizable y robusta Haciendo de la multimodalidad la nueva normalidad Nuevas interfaces para la colaboraci\u00f3n humano-IA Aliviando el costo de desarrollar, implementar y mantener IA en hospitales Los modelos base o fundacionales, podr\u00edan mejorar la precisi\u00f3n de la IA en diagn\u00f3sticos m\u00e9dicos sin requerir cientos de miles de im\u00e1genes etiquetadas por m\u00e9dicos para su entrenamiento. Asimismo, este tipo de modelos aprenden patrones \u00fatiles y pueden codificar la informaci\u00f3n en un conjunto de pasos del modelo. Aunque este proceso no es nuevo y se utiliza para adaptar modelos de manera sencilla y r\u00e1pida para aplicarse en otros modelos, hace que los modelos fundacionales sean m\u00e1s eficientes para transferir el aprendizaje. Los investigadores de Stanford reconocen que existen beneficios de los modelos fundacionales en su aplicaci\u00f3n a la atenci\u00f3n m\u00e9dica, por ejemplo, la utilizaci\u00f3n de modelos para m\u00e1s de un prop\u00f3sito. Los modelos fundacionales pueden capturar diversos conocimientos a partir de datos no etiquetados o bien los especialistas pueden entrenar modelos estos modelos base ya existentes, lo que reduce el tiempo de entrenamiento y la cantidad de datos para realizar esta acci\u00f3n. BIBLIOGRAF\u00cdA STANFORD https:\/\/hai.stanford.edu\/news\/how-foundation-models-can-advance-ai-healthcare<\/p>","protected":false},"author":1,"featured_media":36248,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-36246","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/36246","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=36246"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/36246\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/36248"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=36246"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=36246"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=36246"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}