Resultados de búsqueda para: ia generativa– Página 2

La IA generativa y los LLM juegan un papel importante en la actualización de los registros médicos electrónicos. La aplicación de inteligencia artificial (IA) generativa en la interpretación de registros médicos electrónicos (EMR, en inglés) ha representado un creciente interés en el ámbito de la atención médica. Una editorial reciente publicada en npj Digital Medicine presenta un análisis del estado actual de los modelos de IA generativa y los Grandes Modelos de Lenguaje (LLM, en inglés), aplicados a EMR, destacando su potencial para mejorar la precisión diagnóstica y su relevancia en la práctica clínica. Una revisión reciente realizada por Wornow et al., investigó 84 modelos de IA generativa entrenados en datos clínicos estructurados de EMR. En esta se identificaron las principales características de estos modelos, así 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 evaluación mejorado para los modelos de IA generativa en el contexto de la atención médica. La revisión también muestra ejemplos sobre la implementación de modelos de IA generativa en entornos de atención médica y la aplicación de un marco de evaluación. En este sentido, en las revisiones se examinan los avances en la implementación de modelos de IA generativa en entornos de atención médica, como la integración de servicios de IA en sistemas de registros médicos electrónicos. Las publicaciones destacan ejemplos de colaboraciones entre empresas de tecnología y proveedores de atención médica para desarrollar y aplicar estos modelos en la práctica clínica. Se subraya la importancia de evaluar estos modelos según el marco propuesto para determinar su valor clínico real y su impacto en la atención al paciente. Los autores de la editorial, por su parte, destacan la importancia del liderazgo, incentivos y regulación para la implementación efectiva. En este sentido, señalan que, el marco de evaluación propuesto es un paso importante hacia adelante, pero se requieren medidas adicionales para garantizar el éxito a largo plazo de estos modelos en la práctica clínica. También es necesario que se continúen discutiendo los roles potenciales de las agencias reguladoras, los proveedores de atención médica y las empresas de tecnología en el desarrollo, evaluación y adopción de modelos de IA generativa en la atención médica. Y tampoco dejar de lado la colaboración interdisciplinaria y la transparencia en el desarrollo y la implementación de estos modelos para garantizar su seguridad y eficacia en la práctica clínica. BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41746-023-00988-4

Un enfoque integral para una implementación exitosa de la IA generativa en el sector salud. La inteligencia artificial generativa (IA generativa) ha captado la atención en diversas industrias, y la atención médica no es la excepción. Una encuesta de Deloitte realizada a ejecutivos de atención médica muestra que centrarse exclusivamente en los datos podría dejarlos desprevenidos ante otros factores clave para el éxito. Por ello, es crucial adoptar un enfoque más amplio y holístico para garantizar una implementación exitosa de IA generativa a nivel empresarial. La Gobernanza efectiva es uno de los factores clave para el éxito de la IA generativa en el sector médico. A pesar de la importancia de establecer un modelo de gobernanza de datos, que incluya la mitigación de sesgos de datos y la protección de la privacidad del paciente, muchos líderes de atención médica no le dan la debida atención. Esta falta de enfoque en la gobernanza puede socavar la confianza de los consumidores y los empleados. Asimismo, la construcción de confianza del consumidor es un aspecto fundamental para la implementación efectiva de la IA. Los ejecutivos de atención médica tienden a pasar por alto la construcción de confianza del consumidor en IA generativa y la educación de los pacientes sobre los riesgos asociados. Sin embargo, la confianza y el compromiso del consumidor son fundamentales para el éxito de la implementación de IA generativa en la atención médica. Otro aspecto importante es atender las necesidades de la fuerza laboral. A pesar de las preocupaciones sobre el impacto de la IA en la fuerza laboral, el desarrollo de habilidades y la gestión del cambio reciben poca atención. Por ello es esencial abordar las preocupaciones de los empleados y asegurar su participación activa en el proceso de implementación. De igual manera, diseñar para la escalabilidad, permite que la IA generativa rinda los frutos esperados. Las organizaciones de atención médica deben anticipar y abordar los desafíos técnicos y operativos en la escalabilidad de las soluciones de IA generativa. Esto incluye el diseño de robustas operaciones de machine learning para garantizar la eficiencia y la confiabilidad a medida que se implementan nuevas soluciones. La implementación exitosa de la IA generativa requiere una colaboración estrecha entre equipos multidisciplinarios. Al integrar a profesionales de diferentes campos, como la medicina, la informática, la ética y la psicología, las organizaciones pueden garantizar una implementación más completa y centrada en el usuario. Esto permite una comprensión más amplia de los impactos potenciales de la IA generativa en los pacientes, el personal médico y la sociedad en general. De esta forma, La adopción de la IA generativa es un proceso continuo que requiere evaluación constante y mejora. Las organizaciones deben estar preparadas para ajustar sus estrategias y prácticas a medida que surgen nuevos desafíos y oportunidades. La retroalimentación de los usuarios y el monitoreo de los resultados son fundamentales para garantizar que la implementación de la IA generativa cumpla con sus objetivos y beneficie tanto a los pacientes como a los proveedores de atención médica. BIBLIOGRAFÍA DELOITTE https://www2.deloitte.com/us/en/insights/industry/health-care/how-to-prepare-for-generative-ai-in-health-care.html

Un algoritmo desarrollado por Mass General Brigham aborda la carencia de información sobre circunstancias sociales en historias clínicas electrónicas. Los determinantes sociales de la salud (SDoH, en inglés), son las condiciones en las que las personas nacen, crecen. Viven, trabajan y envejecen. Estos factores abarcan múltiples aspectos relacionados con el entorno social, económico y físico, además de los recursos disponibles para las personas. Por ejemplo, un SDoH, es el acceso a la educación, al empleado a la vivienda, a la nutrición o a la atención médica de calidad. Los determinantes tienen un impacto muy importante en la salud de las personas y además contribuyen negativamente a las disparidades de salud. Por ejemplo, en el acceso a servicios de salud especializados en zonas rurales. En este sentido, los SDoH, dejan de lado factores médicos y biológicos individuales y se enfocan en el contexto social y ambiental en el que se desenvuelven las personas. Por otra parte, existe un desafío alrededor de los SDoH y su registro. La falta de documentación sobre las circunstancias sociales de los pacientes en registros médicos electrónicos es un problema persistente para los profesionales de la salud, los investigadores e incluso los trabajadores administrativos de centros de salud. En este sentido, investigadores de Mass General Brigham han desarrollado un algoritmo de inteligencia artificial generativa (IA generativa) que, según un estudio reciente publicado en npj Digital Medicine, puede extraer información sobre SDoH de las notas de los médicos. Estos modelos afinados podrían mejorar la identificación de pacientes que podrían beneficiarse de apoyo adicional. El estudio detalla que los grandes modelos de lenguaje (LLM, en inglés) pueden ser entrenados para extraer automáticamente información sobre SDoH de las notas de los médicos. A través del modelo desarrollado, los investigadores identificaron el 93.8% de pacientes con SDoH adversos, en comparación con solo el 2% registrado mediante códigos de diagnóstico oficiales. Además, el estudio encontró que estos modelos especializados eran menos propensos a sesgos que los modelos generalistas como GPT-4. La Dra. Danielle Bitterman, autora principal del estudio, destaca la relevancia clínica de los algoritmos que pueden identificar aspectos sociales relevantes. “Nuestro objetivo es identificar a pacientes que podrían beneficiarse del apoyo social y de trabajo, y llamar la atención sobre el impacto subdocumentado de los factores sociales en los resultados de salud”, explicó. Como se mencionó anteriormente, los SDoH, como empleo, vivienda y otros aspectos no médicos, están vinculados a disparidades de salud. Sin embargo, los médicos pueden resumir SDoH relevantes en sus notas, esta información es clave y no suele organizarse de manera sistemática en los registros de salud electrónicos. Por otra parte, la investigación refleja el potencial transformador de las herramientas de IA en el ámbito de la salud. Mass General Brigham, ha desarrollado diversos estudios relacionados con el uso de LLMs, IA generativa y otras tecnologías emergentes. Finalmente, el estudio detalla que es necesario continuar investigando para comprender y mitigar los sesgos relacionados con el uso de LLM e IA generativa, para poderlos implementar en entornos clínicos, especialmente cuando utiliza información sensible y personal de los pacientes. BIBLIOGRAFÍA MASS GENERAL BRIGHAM https://www.massgeneralbrigham.org/en/about/newsroom/articles/generative-artificial-intelligence-models-effectively-highlight-social-determinants-of-health-in-doctors-notes

Encuesta de Deloitte revela el optimismo de los consumidores respecto a la IA generativa y su impacto en la salud y a favor de la atención médica asequibles. Una encuesta realizada por Deloitte revela que los consumidores están entusiasmados con el potencial de la Inteligencia Artificial (IA) generativa para revolucionar la atención médica. Los resultados destacan la creencia generalizada en que esta tecnología podría mejorar el acceso a la atención médica y hacerla más asequible, abriendo puertas hacia una nueva era en el cuidado de la salud. El estudio, que contó con la participación de 2,014 adultos en Estados Unidos, mostró que más del 50% de los encuestados considera que la IA generativa puede mejorar el acceso a la atención médica, mientras que un 46% opina que puede reducir los costos de atención. En este sentido, los resultados muestran la y la percepción positiva de los consumidores hacia esta nueva tecnología en el ámbito de la salud. De igual manera, los resultados también mostraron que el interés por la salud impulsó a casi la mitad de los encuestados a utilizar la IA generativa. Por ejemplo, el 84% estaba familiarizado con esta tecnología. En cuanto a la fiabilidad percibida de la IA generativa en el campo médico, el 69% de los usuarios la califica como altamente confiable. Además, un 20% de los consumidores empleó esta herramienta para informarse sobre sus condiciones médicas. Por su parte, el Dr. Asif Dhar, líder de ciencias biológicas y atención médica de Deloitte, enfatizó la importancia de estos hallazgos al explicar que la IA generativa puede reducir costos, mejorar el acceso y potenciar el bienestar. También destacó que las percepciones de los consumidores son fundamentales para definir la adopción y el papel de la industria en el uso de esta tecnología en la atención médica. “La IA generativa ofrece la posibilidad de mejorar la salud, pero su implementación debe priorizar la transparencia y la construcción de un marco confiable para lograr verdaderamente el futuro de la salud”, explicó el Dr. Bill Fera de Deloitte. Sin embargo, aunque los consumidores están abiertos a la utilización de la IA generativa por parte de los médicos para proporcionar información adicional sobre sus afecciones, todavía existen ciertas barreras cuando esta tecnología se emplea en la toma de decisiones críticas en el tratamiento. Por ello la transparencia en el uso de la IA generativa es un aspecto fundamental, ya que el 80% de los consumidores considera importante que los proveedores de atención médica revelen su uso para las necesidades de salud. BIBLIOGRAFÍA PR NEWSWIRE https://www.prnewswire.com/news-releases/deloitte-consumers-believe-generative-ai-could-make-health-care-more-affordable-301989943.html

Durante el evento HLTH ’23 Google Cloud y lideres en el cuidado de la salud compartieron cómo la IA generativa está transformando la industria sanitaria La inteligencia artificial generativa o IA generativa, está emergiendo como un actor clave en la transformación de la industria de la salud. En el evento HLTH ‘23 Google Cloud, en colaboración con líderes de la atención médica, ha compartido cómo esta tecnología está revolucionando la forma en que abordamos la atención médica y las ciencias de la vida. Desde la asistencia a los médicos en la documentación hasta la aceleración de la investigación médica, la IA generativa ofrece un potencial transformador para mejorar la calidad de vida y la eficiencia en el campo de la salud. Uno de los aspectos más importantes en la aplicación de la IA generativa en la atención médica radica en su capacidad para ayudar a las personas a encontrar la información correcta y obtener información útil de esta. Esto beneficia tanto a las organizaciones de atención médica como a los médicos, ya que les permite funcionar de manera más eficiente y mejorar la atención al paciente. Además, las compañías de salud y ciencias de la vida pueden utilizar la IA generativa para mejorar la eficiencia operativa y respaldar herramientas como la medicina de precisión, por ejemplo. Google Cloud compartió también sus avances de la IA generativa en la atención médica, por ejemplo, Vertex AI Search, una herramienta que ayuda a los trabajadores de la salud a encontrar información relevante en datos clínicos, incluso en datos no estructurados como notas de pacientes y documentos escaneados. Asimismo, destacó el uso de grandes modelos de lenguaje (LLM, en inglés) y otras herramientas de IA generativa para personalizar materiales para los miembros y mejorar la experiencia de los pacientes. De igual manera, Google Cloud destaca la importancia de construir una base sólida de nube y datos en la atención médica, como el caso de Hackensack Meridian Health, que ha realizado una migración con éxito sus sistemas de registro de salud electrónicos (EHR, en inglés) a Google Cloud, lo que ha mejorado la agilidad, la confiabilidad y la seguridad de la organización. Por otra parte, Google Cloud también presentó avances sobre Med-PaLM 2, su LLM diseñado para la industria médica. Este modelo, fue creado para cumplir con las regulaciones de privacidad de la Norma de Privacidad de la Ley de Responsabilidad y Portabilidad del Seguro de Salud de Estados Unidos (HIPAA, en inglés) y es uno de los productos insignia de Google en IA generativa, ya que tiene el potencial de mejorar significativamente las experiencias en el campo de la salud. Med-PaLM 2 es utilizado para facilitar discusiones informativas, responder preguntas médicas complejas, buscar información en textos médicos complicados y estructurar respuestas tanto cortas como largas. Esta herramienta fue lanzada en septiembre de manera de prueba para diversas organizaciones líderes en la industria de la salud. Además, una de sus funciones es que Google Cloud permite a sus clientes beneficiarse de la combinación de Vertex AI Search y Med-PaLM 2, lo que les brinda herramientas con una gran capacidad para acceder y comprender información médica compleja, lo que agiliza la toma de decisiones informadas en organizaciones de atención médica. Según Google Cloud, esta colaboración con organizaciones del sector de la salud ayudará a desplegar nuevas soluciones de IA generativa, lo cual consideran un paso crítico importante hacia el desarrollo de tecnología basada en IA segura y útil. BIBLIOGRAFÍA GOOGLE CLOUD https://cloud.google.com/blog/topics/healthcare-life-sciences/google-cloud-talks-generative-ai-at-hlth-23