{"id":39905,"date":"2023-07-25T09:01:23","date_gmt":"2023-07-25T15:01:23","guid":{"rendered":"https:\/\/saluddigital.com\/?p=39905"},"modified":"2025-10-19T22:25:31","modified_gmt":"2025-10-20T04:25:31","slug":"el-verdadero-potencial-de-la-ia-para-responder-preguntas-medicas","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/el-verdadero-potencial-de-la-ia-para-responder-preguntas-medicas\/","title":{"rendered":"El verdadero potencial de la IA para responder preguntas m\u00e9dicas"},"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

Google public\u00f3 un estudio en Nature en el cual investigadores examinaron el potencial real de los grandes modelos de lenguaje como PaLM.<\/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

Recientemente Google public\u00f3 un estudio en Nature<\/em> en el cual investigadores analizaron qu\u00e9 tan grandes pueden ser los modelos de lenguaje (LLM, en ingl\u00e9s) de inteligencia artificial (IA) generativa y cu\u00e1l es su potencial en la respuesta de preguntas m\u00e9dicas.<\/p>

El estudio examin\u00f3 los LLMs y el potencial de sus aplicaciones cl\u00ednicas en la medicina. Para ello crearon un nuevo conjunto de datos denominado MultiMedQA que combina seis conjuntos de datos existentes de preguntas y respuestas m\u00e9dicas, que abarcan consultas profesionales, investigaciones y consultas de consumidores. Los autores propusieron un marco de evaluaci\u00f3n humana para las respuestas del modelo en varios aspectos, como veracidad, comprensi\u00f3n, razonamiento, posibles da\u00f1os y sesgos.<\/p>

Adem\u00e1s, se evalu\u00f3 el modelo Pathways Language Model (PaLM), un LLM con 540 mil millones de par\u00e1metros, y su variante ajustada para instrucciones, Flan-PaLM2, en MultiMedQA. En este sentido, Flan-PaLM logr\u00f3 una precisi\u00f3n en cada conjunto de datos de elecci\u00f3n m\u00faltiple de MultiMedQA, superando el estado anterior en m\u00e1s del 17%. Sin embargo, la evaluaci\u00f3n humana permiti\u00f3 revelar algunas limitaciones clave.<\/p>

De esta manera, para abordar estas limitaciones, introdujeron un enfoque llamado \u201cinstruction prompt tuning<\/em>\u201d, que es una forma eficiente de alinear LLMs con nuevos dominios usando ejemplos espec\u00edficos. El modelo resultante, Med-PaLM, mostr\u00f3 resultados alentadores en su rendimiento sin embargo fue inferior al de los m\u00e9dicos.<\/p>

Asimismo, el estudio destac\u00f3 que la comprensi\u00f3n, la recuperaci\u00f3n del conocimiento y el razonamiento mejoraron con el tama\u00f1o del modelo y el ajuste de las instrucciones, lo que sugiere la utilidad potencial de los LLMs en medicina. Sin embargo, tambi\u00e9n se revelaron limitaciones en los modelos actuales, subrayando la importancia de desarrollar marcos de evaluaci\u00f3n y m\u00e9todos para crear LLMs seguros y \u00fatiles para aplicaciones cl\u00ednicas.<\/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

Entre las contribuciones alcanzadas a trav\u00e9s de este estudio, los autores destacaron lo siguiente:<\/p>