En 2024 investigadores de Harvard realizaron múltiples investigaciones utilizando diversas modalidades de IA.
Este año, investigadores de Harvard Medical School (HMS), lideraron algunos de los principales avances de inteligencia artificial (IA) en salud durante 2024. La IA se utiliza con diferentes propósitos en medicina, por ejemplo, se utilizan modelos basados en IA para desarrollar herramientas de diagnóstico de enfermedades específicas, o bien puede utilizarse IA para identificar patrones en imágenes médicas que indican la potencial aparición de enfermedades como el cáncer.
Por ejemplo, un estudio de investigadores de Harvard publicado en Nature, detalla el diseño de un modelo de IA capaz de realizar diversas tareas para el diagnóstico de distintos tipos de cáncer. Este modelo de lenguaje similar a GPT-4 o Gemini, denominado Clínica Histopathology Imaging Evaluation Foundation o CHIEF, aprovecha un marco de machine learning para extraer características de imágenes patológicas.
El modelo fue entrenado con un conjunto masivo de más de 60 mil imágenes de visualización histológica virtual de 19 sitios anatómicos diferentes es decir 19 tipos distintos de cáncer, y procesó 44 terabytes de datos de imágenes de alta resolución. CHIEF fue capaz de extraer representaciones microscópicas útiles para identificar células cancerosas, determinar el origen del tumor, caracterizar perfiles moleculares y predecir el pronóstico del paciente.
Otro de los avances en IA alcanzados por investigadores de Harvard en 2024 fue un modelo que identifica posibles terapias para enfermedades raras a partir de medicamentos existentes. El desarrollo de medicamentos implica grandes esfuerzos y recursos, sin embargo, con la aplicación de IA es posible descubrir nuevas terapias a partir de medicamentos ya utilizados. El modelo TxGNN, descrito en un artículo publicado en Nature Medicine, es una herramienta pionera para identificar fármacos candidatos para enfermedades raras y otras afecciones que no tienen tratamientos específicos.
Asimismo, esta herramienta está disponible de manera pública y gratuita para la comunidad científica: https://txgnn.org/. TxGNN identificó fármacos candidatos a partir de medicamentos existentes para más de 17 mil enfermedades, muchas de ellas sin ningún tratamiento existente.
Otro de los grandes avances en IA alcanzados en HMS surgió a partir de una colaboración con el MIT. Este avance descrito en un estudio publicado en Nature Medicine indica que las diferencias individuales de los especialistas influyen en la efectividad de la asistencia de IA para radiólogos.
El estudio examinó a gran escala los efectos heterogéneos de la asistencia de IA en 140 radiólogos a través de 15 tareas de diagnóstico de rayos X de tórax de más de 300 pacientes. Los resultados mostraron que, factores convencionales como años de experiencia, subespecialidad y familiaridad con herramientas de IA, no fueron suficientes para predecir de forma fiable el impacto de la asistencia de IA.
El estudio explica que las diferencias individuales de cada especialista determinan sus interacciones con la IA y por ende interfieren en la precisión de la interpretación de las imágenes médicas.
Conoce más sobre los últimos avances de la IA en medicina:
