{"id":40380,"date":"2023-08-16T09:57:41","date_gmt":"2023-08-16T15:57:41","guid":{"rendered":"https:\/\/saluddigital.com\/?p=40380"},"modified":"2025-10-19T00:48:26","modified_gmt":"2025-10-19T06:48:26","slug":"google-explica-la-ia-multimodal-aplicada-a-la-medicina","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/google-explica-la-ia-multimodal-aplicada-a-la-medicina\/","title":{"rendered":"Google explica la IA multimodal aplicada a la medicina"},"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

Especialistas en inteligencia artificial de Google exponen los tres enfoques principales de los sistemas multimodales aplicados a la atenci\u00f3n m\u00e9dica.<\/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

La inteligencia artificial (IA) multimodal se refiere a la capacidad que tienen los sistemas basados en IA para comprender y procesar informaci\u00f3n proveniente de diversas fuentes o modalidades, como im\u00e1genes, texto, audio, datos cl\u00ednicos, entre otros. La IA multimodal se puede aplicar al campo m\u00e9dico, donde los profesionales de la salud deben analizar datos provenientes de m\u00faltiples modalidades, como im\u00e1genes m\u00e9dicas, notas cl\u00ednicas, pruebas de laboratorio y registros de salud electr\u00f3nicos.<\/p>

En este sentido, la IA multimodal busca integrar estas modalidades heterog\u00e9neas y permitir que los sistemas de IA comprendan, analicen y tomen decisiones basadas en esta informaci\u00f3n diversa para mejorar la atenci\u00f3n m\u00e9dica y la toma de decisiones cl\u00ednicas.<\/p>

Recientemente, Greg Corrado, director de IA para la salud en Google Research, y Yossi Matias, vicepresidente de ingenier\u00eda e investigaci\u00f3n en Google Research, publicaron una entrada en el blog especializado en IA de Google. El texto aborda el concepto de IA multimodal aplicado a la medicina, destacando las virtudes multimodales de la medicina, ya que los profesionales de la salud interpretan datos de diversas fuentes como im\u00e1genes m\u00e9dicas, notas cl\u00ednicas, pruebas de laboratorio, registros electr\u00f3nicos de salud, gen\u00f3mica, entre otras.<\/p>

Adem\u00e1s, explican el recorrido de los sistemas basados en IA durante la \u00faltima d\u00e9cada ya que han demostrado un rendimiento a nivel de experto en tareas espec\u00edficas dentro de modalidades particulares. Por ejemplo, existen sistemas AI que procesan tomograf\u00edas computarizadas, u otros que buscan variaciones gen\u00e9ticas raras.<\/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
\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

Los autores exploran la convergencia de capacidades en dos \u00e1reas: modelos de lenguaje grandes (LLM, en ingl\u00e9s) y sistemas de im\u00e1genes m\u00e9dicas. De esta forma LLMs como GPT-3 han demostrado comprensi\u00f3n y conocimiento en la interpretaci\u00f3n y respuesta de conocimiento m\u00e9dico en lenguaje com\u00fan. Sin embargo, el desaf\u00edo es saber c\u00f3mo combinar estas capacidades para construir sistemas AI m\u00e9dicos que aprovechen informaci\u00f3n de fuentes diversas.<\/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

El art\u00edculo introduce tres enfoques principales para lograr sistemas AI m\u00e9dicos multimodales:<\/p>

  1. Uso de herramientas<\/strong>: En este enfoque, un LLM m\u00e9dico central subcontrata el an\u00e1lisis de datos en diferentes modalidades a un conjunto de subsistemas de software optimizados independientemente para esas tareas. Ejemplifican con la idea de que un LLM m\u00e9dico podr\u00eda enviar una radiograf\u00eda de t\u00f3rax a un sistema de AI de radiolog\u00eda para obtener una respuesta integrada.<\/li>
  2. Injerto de modelos o model grafting<\/em><\/strong>: Este enfoque consiste en tomar una red neuronal especializada en cada dominio relevante y adaptarla para conectarla directamente al LLM central. Aqu\u00ed, describen c\u00f3mo adaptaron un modelo de im\u00e1genes m\u00e9dicas avanzado al LLM, permiti\u00e9ndole realizar b\u00fasquedas sem\u00e1nticas y responder preguntas visuales.<\/li>
  3. Sistemas generalistas<\/strong>: Los especialistas de Google explican que la aproximaci\u00f3n m\u00e1s radical de la IA multimodal es la construcci\u00f3n de un sistema integrado y generalista capaz de absorber informaci\u00f3n de todas las fuentes. Es decir, un modelo que combine un LLM y un codificador de im\u00e1genes en una sola arquitectura multimodal. Este enfoque potencializa la flexibilidad y transferencia de informaci\u00f3n entre modalidades, pero puede tener mayores costos computacionales.<\/li><\/ol>\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

    Los autores concluyen que combinar la fuerza de los sistemas de IA expertos con la flexibilidad de la IA generativa es clave para el futuro de la medicina. Adem\u00e1s, mencionan que la elecci\u00f3n del enfoque depender\u00e1 de varios factores, como la flexibilidad de un modelo generalista frente a las diferentes modalidades de herramientas o injertos. Por ello es importante una investigaci\u00f3n emp\u00edrica extensa y la colaboraci\u00f3n con profesionales de la salud, instituciones m\u00e9dicas y socios de la industria para determinar la mejor direcci\u00f3n para la aplicaci\u00f3n de la IA multimodal en medicina.<\/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

    \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
    \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

    AI GOOGLE BLOG<\/strong><\/p>

    https:\/\/ai.googleblog.com\/2023\/08\/multimodal-medical-ai.html<\/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":"

    Especialistas en inteligencia artificial de Google exponen los tres enfoques principales de los sistemas multimodales aplicados a la atenci\u00f3n m\u00e9dica. La inteligencia artificial (IA) multimodal se refiere a la capacidad que tienen los sistemas basados en IA para comprender y procesar informaci\u00f3n proveniente de diversas fuentes o modalidades, como im\u00e1genes, texto, audio, datos cl\u00ednicos, entre otros. La IA multimodal se puede aplicar al campo m\u00e9dico, donde los profesionales de la salud deben analizar datos provenientes de m\u00faltiples modalidades, como im\u00e1genes m\u00e9dicas, notas cl\u00ednicas, pruebas de laboratorio y registros de salud electr\u00f3nicos. En este sentido, la IA multimodal busca integrar estas modalidades heterog\u00e9neas y permitir que los sistemas de IA comprendan, analicen y tomen decisiones basadas en esta informaci\u00f3n diversa para mejorar la atenci\u00f3n m\u00e9dica y la toma de decisiones cl\u00ednicas. Recientemente, Greg Corrado, director de IA para la salud en Google Research, y Yossi Matias, vicepresidente de ingenier\u00eda e investigaci\u00f3n en Google Research, publicaron una entrada en el blog especializado en IA de Google. El texto aborda el concepto de IA multimodal aplicado a la medicina, destacando las virtudes multimodales de la medicina, ya que los profesionales de la salud interpretan datos de diversas fuentes como im\u00e1genes m\u00e9dicas, notas cl\u00ednicas, pruebas de laboratorio, registros electr\u00f3nicos de salud, gen\u00f3mica, entre otras. Adem\u00e1s, explican el recorrido de los sistemas basados en IA durante la \u00faltima d\u00e9cada ya que han demostrado un rendimiento a nivel de experto en tareas espec\u00edficas dentro de modalidades particulares. Por ejemplo, existen sistemas AI que procesan tomograf\u00edas computarizadas, u otros que buscan variaciones gen\u00e9ticas raras. Los autores exploran la convergencia de capacidades en dos \u00e1reas: modelos de lenguaje grandes (LLM, en ingl\u00e9s) y sistemas de im\u00e1genes m\u00e9dicas. De esta forma LLMs como GPT-3 han demostrado comprensi\u00f3n y conocimiento en la interpretaci\u00f3n y respuesta de conocimiento m\u00e9dico en lenguaje com\u00fan. Sin embargo, el desaf\u00edo es saber c\u00f3mo combinar estas capacidades para construir sistemas AI m\u00e9dicos que aprovechen informaci\u00f3n de fuentes diversas. El art\u00edculo introduce tres enfoques principales para lograr sistemas AI m\u00e9dicos multimodales: Uso de herramientas: En este enfoque, un LLM m\u00e9dico central subcontrata el an\u00e1lisis de datos en diferentes modalidades a un conjunto de subsistemas de software optimizados independientemente para esas tareas. Ejemplifican con la idea de que un LLM m\u00e9dico podr\u00eda enviar una radiograf\u00eda de t\u00f3rax a un sistema de AI de radiolog\u00eda para obtener una respuesta integrada. Injerto de modelos o model grafting: Este enfoque consiste en tomar una red neuronal especializada en cada dominio relevante y adaptarla para conectarla directamente al LLM central. Aqu\u00ed, describen c\u00f3mo adaptaron un modelo de im\u00e1genes m\u00e9dicas avanzado al LLM, permiti\u00e9ndole realizar b\u00fasquedas sem\u00e1nticas y responder preguntas visuales. Sistemas generalistas: Los especialistas de Google explican que la aproximaci\u00f3n m\u00e1s radical de la IA multimodal es la construcci\u00f3n de un sistema integrado y generalista capaz de absorber informaci\u00f3n de todas las fuentes. Es decir, un modelo que combine un LLM y un codificador de im\u00e1genes en una sola arquitectura multimodal. Este enfoque potencializa la flexibilidad y transferencia de informaci\u00f3n entre modalidades, pero puede tener mayores costos computacionales. Los autores concluyen que combinar la fuerza de los sistemas de IA expertos con la flexibilidad de la IA generativa es clave para el futuro de la medicina. Adem\u00e1s, mencionan que la elecci\u00f3n del enfoque depender\u00e1 de varios factores, como la flexibilidad de un modelo generalista frente a las diferentes modalidades de herramientas o injertos. Por ello es importante una investigaci\u00f3n emp\u00edrica extensa y la colaboraci\u00f3n con profesionales de la salud, instituciones m\u00e9dicas y socios de la industria para determinar la mejor direcci\u00f3n para la aplicaci\u00f3n de la IA multimodal en medicina. BIBLIOGRAF\u00cdA AI GOOGLE BLOG https:\/\/ai.googleblog.com\/2023\/08\/multimodal-medical-ai.html<\/p>","protected":false},"author":1,"featured_media":40381,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-40380","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\/40380","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=40380"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/40380\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/40381"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=40380"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=40380"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=40380"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}