Un modelo de lenguaje especializado supera a otras herramientas en la identificación de información médica compleja.
Investigadores de la Universidad de Yale y la Universidad de Florida desarrollaron Me-LLaMA, una familia de modelos de inteligencia artificial (IA) diseñados para analizar textos médicos con alta precisión. Estos modelos tienen la capacidad de identificar información médica especializada, mejorar la documentación clínica y ayudar en el diagnóstico de casos complejos.
Los grandes modelos de lenguaje de lenguaje de gran tamaño (LLMs, en inglés) han mostrado avances significativos en la medicina, pero muchos de ellos carecen de conocimientos médicos específicos. Me-LLaMA se diferencia por haber sido entrenado con datos de literatura biomédica, notas clínicas y directrices médicas, lo que mejora su capacidad para interpretar textos médicos con mayor precisión.
El proceso de entrenamiento de Me-LLaMA incluyó más de 30 millones de documentos médicos, que abarcan artículos científicos, historias clínicas anónimas y bases de datos médicas como PubMed. Los investigadores utilizaron técnicas avanzadas de ajuste fino o fine-tuning para adaptar el modelo a tareas médicas específicas, como la identificación de síntomas, la clasificación de enfermedades y la extracción de términos médicos. Este enfoque permitió que el modelo reconociera términos complejos y relaciones entre diferentes conceptos médicos.
Además, Me-LLaMA fue evaluado en tareas de preguntas y respuestas médicas, donde se le proporcionaban escenarios clínicos para identificar diagnósticos o sugerir tratamientos. El modelo demostró una precisión significativamente mayor al ofrecer respuestas detalladas, especialmente cuando se utilizaban instrucciones claras y bien formuladas. Estos resultados sugieren que la herramienta podría ser útil para médicos en la toma de decisiones clínicas, al brindar información basada en la evidencia disponible.
Según el estudio publicado en npj Digital Medicine, Me-LLaMA se evaluó en seis tareas de análisis de texto, como preguntas y respuestas médicas, extracción de información y clasificación de textos. En la mayoría de los casos, el modelo superó a otros modelos abiertos y comerciales como ChatGPT y GPT-4 en términos de precisión, especialmente cuando se le proporcionaban instrucciones específicas.
Además, el modelo fue probado en el diagnóstico de casos clínicos complejos, mostrando un desempeño similar al de los modelos comerciales más avanzados. Esto podría convertirlo en una herramienta útil para ayudar a los profesionales de la salud a identificar enfermedades difíciles de diagnosticar.
La creación de Me-LLaMA destaca el potencial de la IA en el desarrollo de herramientas que mejoren la asistencia médica. Al estar disponible como modelo de código abierto, los investigadores esperan que esta tecnología pueda ser utilizada por la comunidad médica para desarrollar nuevas aplicaciones que mejoren la atención al paciente y la toma de decisiones clínicas.
