{"id":50520,"date":"2024-11-29T12:19:57","date_gmt":"2024-11-29T18:19:57","guid":{"rendered":"https:\/\/saluddigital.com\/?p=50520"},"modified":"2025-10-17T23:44:43","modified_gmt":"2025-10-18T05:44:43","slug":"modelos-de-lenguaje-en-atencion-medica-son-capaces-de-reducir-costos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelos-de-lenguaje-en-atencion-medica-son-capaces-de-reducir-costos\/","title":{"rendered":"Modelos de lenguaje en atenci\u00f3n m\u00e9dica son capaces de reducir costos"},"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

Estudio de Mount Sinai muestra que los Grandes Modelos de Lenguaje o LLM pueden reducir costos en la atenci\u00f3n m\u00e9dica manteniendo la eficiencia.<\/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 estudio reciente realizado por el Icahn School of Medicine de Mount Sinai ha identificado formas de integrar modelos de lenguaje avanzado (LLMs, en ingl\u00e9s) en los sistemas de salud, optimizando su uso para reducir costos y mejorar la eficiencia operativa sin sacrificar el rendimiento. Los resultados, publicados en npj Digital Medicine journal<\/em><\/a>, destacan c\u00f3mo estas herramientas pueden automatizar tareas de manera eficaz, permitiendo un uso m\u00e1s amplio y asequible en hospitales y centros de atenci\u00f3n m\u00e9dica.<\/p>

Los hospitales generan diariamente grandes vol\u00famenes de datos, y los LLMs como GPT-4 ofrecen una oportunidad prometedora para agilizar flujos de trabajo en tareas como la identificaci\u00f3n de pacientes para estudios cl\u00ednicos o la estructuraci\u00f3n de cohortes de investigaci\u00f3n. No obstante, el alto costo de operar estos modelos ha limitado su adopci\u00f3n a gran escala.<\/p>

\u201cNuestro estudio est\u00e1 motivado por la necesidad de encontrar formas pr\u00e1cticas de reducir los costes y mantener el rendimiento para que los sistemas sanitarios puedan utilizar con confianza los LLM a gran escala. Nos propusimos realizar una \u2018prueba de estr\u00e9s\u2019 de estos modelos, evaluando su capacidad para gestionar m\u00faltiples tareas simult\u00e1neamente, y determinar estrategias que mantuvieran un alto rendimiento y unos costes manejables\u201d, expres\u00f3 el Dr. Eyal Klang, primer autor y director del Programa de Investigaci\u00f3n de IA Generativa del D3M en el Icahn Mount Sinai.<\/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\"Modelos\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

El estudio evalu\u00f3 c\u00f3mo mantener un equilibrio entre rendimiento y costos. Al realizar m\u00e1s de 300,000 experimentos con diez modelos de inteligencia artificial (IA) y datos cl\u00ednicos reales, los investigadores identificaron una estrategia clave: agrupar hasta 50 tareas cl\u00ednicas relacionadas, lo que permite reducir hasta 17 veces los costos asociados a las llamadas de programaci\u00f3n de aplicaciones (API, en ingl\u00e9s) de los LLMs.<\/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

De esta manera, agrupar tareas como revisiones de seguridad de medicamentos, extracci\u00f3n de datos para estudios epidemiol\u00f3gicos y selecci\u00f3n de pacientes para detecciones preventivas permiti\u00f3 a los LLMs procesarlas simult\u00e1neamente sin comprometer su precisi\u00f3n ni su eficacia. Es decir, esto no solo optimiza los flujos de trabajo, sino que podr\u00eda, seg\u00fan el estudio, traducirse en ahorros de millones de d\u00f3lares anuales para sistemas de salud de gran escala, como lo es Mount Sinai.<\/p>

Asimismo, los investigadores tambi\u00e9n identificaron un desaf\u00edo importante, que incluso los modelos m\u00e1s avanzados, como GPT-4, muestran ca\u00eddas impredecibles en su rendimiento cuando se someten a grandes cargas cognitivas. Por lo tanto, reconocer estos l\u00edmites resulta fundamental para garantizar que estas herramientas sigan siendo fiables en contextos cr\u00edticos.<\/p>

Este estudio representa un avance significativo en el uso pr\u00e1ctico de la IA y los LLMs en atenci\u00f3n m\u00e9dica, ya que aborda las barreras econ\u00f3micas y t\u00e9cnicas que sufren los grandes sistemas de salud. \u00a0\u201cEsta investigaci\u00f3n tiene implicaciones significativas para la forma en que la IA puede integrarse en los sistemas de atenci\u00f3n sanitaria. Agrupar las tareas de los LLM no solo reduce los costes, sino que tambi\u00e9n conserva recursos que pueden destinarse mejor a la atenci\u00f3n de los pacientes\u201d, indic\u00f3 el coautor David L. Reich, director cl\u00ednico del Sistema Mount Sinai.<\/p>

Seg\u00fan los autores, los pr\u00f3ximos pasos incluyen probar estos modelos en entornos cl\u00ednicos en tiempo real, evaluando su rendimiento con pacientes reales y equipos m\u00e9dicos. El objetivo final es desarrollar un marco confiable que equilibre eficiencia, precisi\u00f3n y costo, promoviendo un sistema de salud m\u00e1s equitativo y centrado en el paciente.<\/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

MOUNT SINAI<\/strong><\/p>

https:\/\/www.mountsinai.org\/about\/newsroom\/2024\/study-identifies-strategy-for-ai-cost-efficiency-in-health-care-settings<\/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":"

Grandes modelos de lenguaje o LLMs en atenci\u00f3n m\u00e9dica son capaces de reducir costos seg\u00fan un nuevo estudio de Mount Sinai.<\/p>","protected":false},"author":1,"featured_media":50521,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-50520","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\/50520","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=50520"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/50520\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/50521"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=50520"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=50520"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=50520"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}