{"id":44318,"date":"2024-03-14T09:23:43","date_gmt":"2024-03-14T15:23:43","guid":{"rendered":"https:\/\/saluddigital.com\/?p=44318"},"modified":"2025-10-18T21:54:23","modified_gmt":"2025-10-19T03:54:23","slug":"las-vias-de-implementacion-de-la-ia-generativa-y-modelos-de-lenguaje-en-la-atencion-medica","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/las-vias-de-implementacion-de-la-ia-generativa-y-modelos-de-lenguaje-en-la-atencion-medica\/","title":{"rendered":"Las v\u00edas de implementaci\u00f3n de la IA generativa y modelos de lenguaje en la atenci\u00f3n m\u00e9dica"},"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

La IA generativa y los LLM juegan un papel importante en la actualizaci\u00f3n de los registros m\u00e9dicos electr\u00f3nicos. <\/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 aplicaci\u00f3n de inteligencia artificial (IA) generativa en la interpretaci\u00f3n de registros m\u00e9dicos electr\u00f3nicos (EMR, en ingl\u00e9s) ha representado un creciente inter\u00e9s en el \u00e1mbito de la atenci\u00f3n m\u00e9dica. Una editorial reciente<\/span><\/a> publicada en npj Digital Medicine presenta un an\u00e1lisis del estado actual de los modelos de IA generativa y los Grandes Modelos de Lenguaje (LLM, en ingl\u00e9s), aplicados a EMR, destacando su potencial para mejorar la precisi\u00f3n diagn\u00f3stica y su relevancia en la pr\u00e1ctica cl\u00ednica.<\/p>

Una revisi\u00f3n reciente realizada por Wornow et al., investig\u00f3 84 modelos de IA generativa entrenados en datos cl\u00ednicos estructurados de EMR. En esta se identificaron las principales caracter\u00edsticas de estos modelos, as\u00ed como sus fortalezas y limitaciones. Entre las limitaciones destacadas se encuentran la falta de generalizabilidad y las preocupaciones sobre privacidad de datos. A partir de estos puntos, se propone un marco de evaluaci\u00f3n mejorado para los modelos de IA generativa en el contexto de la atenci\u00f3n m\u00e9dica.<\/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

La revisi\u00f3n tambi\u00e9n muestra ejemplos sobre la implementaci\u00f3n de modelos de IA generativa en entornos de atenci\u00f3n m\u00e9dica y la aplicaci\u00f3n de un marco de evaluaci\u00f3n. En este sentido, en las revisiones se examinan los avances en la implementaci\u00f3n de modelos de IA generativa en entornos de atenci\u00f3n m\u00e9dica, como la integraci\u00f3n de servicios de IA en sistemas de registros m\u00e9dicos electr\u00f3nicos.<\/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\t\t

Las publicaciones destacan ejemplos de colaboraciones entre empresas de tecnolog\u00eda y proveedores de atenci\u00f3n m\u00e9dica para desarrollar y aplicar estos modelos en la pr\u00e1ctica cl\u00ednica. Se subraya la importancia de evaluar estos modelos seg\u00fan el marco propuesto para determinar su valor cl\u00ednico real y su impacto en la atenci\u00f3n al paciente.<\/p>

Los autores de la editorial, por su parte, destacan la importancia del liderazgo, incentivos y regulaci\u00f3n para la implementaci\u00f3n efectiva. En este sentido, se\u00f1alan que, el marco de evaluaci\u00f3n propuesto es un paso importante hacia adelante, pero se requieren medidas adicionales para garantizar el \u00e9xito a largo plazo de estos modelos en la pr\u00e1ctica cl\u00ednica.<\/p>

Tambi\u00e9n es necesario que se contin\u00faen discutiendo los roles potenciales de las agencias reguladoras, los proveedores de atenci\u00f3n m\u00e9dica y las empresas de tecnolog\u00eda en el desarrollo, evaluaci\u00f3n y adopci\u00f3n de modelos de IA generativa en la atenci\u00f3n m\u00e9dica. Y tampoco dejar de lado la colaboraci\u00f3n interdisciplinaria y la transparencia en el desarrollo y la implementaci\u00f3n de estos modelos para garantizar su seguridad y eficacia en la pr\u00e1ctica cl\u00ednica.<\/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

NATURE<\/b><\/p>

https:\/\/www.nature.com\/articles\/s41746-023-00988-4<\/a><\/span><\/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":"

La IA generativa y los LLM juegan un papel importante en la actualizaci\u00f3n de los registros m\u00e9dicos electr\u00f3nicos. La aplicaci\u00f3n de inteligencia artificial (IA) generativa en la interpretaci\u00f3n de registros m\u00e9dicos electr\u00f3nicos (EMR, en ingl\u00e9s) ha representado un creciente inter\u00e9s en el \u00e1mbito de la atenci\u00f3n m\u00e9dica. Una editorial reciente publicada en npj Digital Medicine presenta un an\u00e1lisis del estado actual de los modelos de IA generativa y los Grandes Modelos de Lenguaje (LLM, en ingl\u00e9s), aplicados a EMR, destacando su potencial para mejorar la precisi\u00f3n diagn\u00f3stica y su relevancia en la pr\u00e1ctica cl\u00ednica. Una revisi\u00f3n reciente realizada por Wornow et al., investig\u00f3 84 modelos de IA generativa entrenados en datos cl\u00ednicos estructurados de EMR. En esta se identificaron las principales caracter\u00edsticas de estos modelos, as\u00ed como sus fortalezas y limitaciones. Entre las limitaciones destacadas se encuentran la falta de generalizabilidad y las preocupaciones sobre privacidad de datos. A partir de estos puntos, se propone un marco de evaluaci\u00f3n mejorado para los modelos de IA generativa en el contexto de la atenci\u00f3n m\u00e9dica. La revisi\u00f3n tambi\u00e9n muestra ejemplos sobre la implementaci\u00f3n de modelos de IA generativa en entornos de atenci\u00f3n m\u00e9dica y la aplicaci\u00f3n de un marco de evaluaci\u00f3n. En este sentido, en las revisiones se examinan los avances en la implementaci\u00f3n de modelos de IA generativa en entornos de atenci\u00f3n m\u00e9dica, como la integraci\u00f3n de servicios de IA en sistemas de registros m\u00e9dicos electr\u00f3nicos. Las publicaciones destacan ejemplos de colaboraciones entre empresas de tecnolog\u00eda y proveedores de atenci\u00f3n m\u00e9dica para desarrollar y aplicar estos modelos en la pr\u00e1ctica cl\u00ednica. Se subraya la importancia de evaluar estos modelos seg\u00fan el marco propuesto para determinar su valor cl\u00ednico real y su impacto en la atenci\u00f3n al paciente. Los autores de la editorial, por su parte, destacan la importancia del liderazgo, incentivos y regulaci\u00f3n para la implementaci\u00f3n efectiva. En este sentido, se\u00f1alan que, el marco de evaluaci\u00f3n propuesto es un paso importante hacia adelante, pero se requieren medidas adicionales para garantizar el \u00e9xito a largo plazo de estos modelos en la pr\u00e1ctica cl\u00ednica. Tambi\u00e9n es necesario que se contin\u00faen discutiendo los roles potenciales de las agencias reguladoras, los proveedores de atenci\u00f3n m\u00e9dica y las empresas de tecnolog\u00eda en el desarrollo, evaluaci\u00f3n y adopci\u00f3n de modelos de IA generativa en la atenci\u00f3n m\u00e9dica. Y tampoco dejar de lado la colaboraci\u00f3n interdisciplinaria y la transparencia en el desarrollo y la implementaci\u00f3n de estos modelos para garantizar su seguridad y eficacia en la pr\u00e1ctica cl\u00ednica. BIBLIOGRAF\u00cdA NATURE https:\/\/www.nature.com\/articles\/s41746-023-00988-4<\/p>","protected":false},"author":1,"featured_media":44320,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-44318","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\/44318","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=44318"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44318\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/44320"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=44318"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=44318"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=44318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}