Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Desarrollan modelo de lenguaje a gran escala para registros de salud electrónicos

Investigadores en Estados Unidos se encuentran desarrollando un modelo de lenguaje para registros de salud electrónicos, que aproveche el uso de procesamiento de lenguaje natural (PLN) e inteligencia artificial (IA).

A pesar de que los registros de salud electrónicos pueden ser potenciados a través de sistemas de IA y el PLN, existen pocos modelos de lenguaje clínico entrenados para esta tarea. Por ejemplo, el modelo de lenguaje clínico más grande del mundo cuenta con 110 millones de parámetros, que es una cifra limitada teniendo en cuenta la cantidad de datos disponibles en el dominio general.

En este sentido investigadores en California y Florida desarrollaron un estudio que muestra desde cero el proceso de creación de un gran modelo de lenguaje clínico denominado GatorTron, que utiliza más de 90 mil millones de palabras de texto, incluidas más de 82 mil millones de palabras de texto clínico no identificado. Por ejemplo, textos de notas clínicas anónimas de University of Florida y UF Health, así como artículos de PubMed y Wikipedia.

Este modelo fue evaluado sistemáticamente en cinco tareas clínicas de PNL: extracción de conceptos clínicos, extracción de relaciones médicas, similitud textual semántica, inferencia de lenguaje natural y respuesta a preguntas médicas. El estudio examina cómo el aumento de la cantidad de parámetros y el aumento del tamaño de los datos de entrenamiento puede beneficiar estas cinco tareas clínicas.

Los investigadores explican que GatorTron amplía el modelo de lenguaje clínico de 110 millones a 8 mil 900 millones de parámetros y mejoran las ciclo tareas clínicas de PNL. En total fueron extraídas más de 290 mil millones de notas clínicas de 2.4 millones de pacientes de UF Health entre 2011 y 2021. Asimismo, contó con información de más de 126 departamentos clínicos.

Conoce más sobre este avance consultando el estudio completo:

https://www.nature.com/articles/s41746-022-00742-2     

Noticias destacadas

Noticias por país

Comparte el contenido

Salud Digital en el mundo

  • — Science Brief: Omicron (B.1.1.529) Variant/ actualizaciones CDC
    Ver más
  • — Coronavirus resource center / Johns Hopkins
    Ver más
  • — Rastreo epidemiológico de contactos COVID-19 / Curso Johns Hopkins
    Ver más
  • — Comportamiento infección SARS-CoV-2 / Calculadora FCS
    Ver más
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Artículo The Lancet
    Ver más
  • — Genomic Epidemiology Tracker / GISAID
    Ver más
  • — Consorcio Mexicano de Vigilancia Genómica
    Ver más
Secured By miniOrange