Resultados de búsqueda para: ia generativa– Página 3

Google Cloud y CareCloud firmaron una colaboración para promover estrategias de transformación digital en entornos de atención médica ambulatoria a través de soluciones de IA generativa. Google Cloud formó una colaboración con la compañía de tecnología médica CareCloud con el objetivo de mejorar la eficiencia operativa y promover la transformación digital para proveedores de atención médica a través de inteligencia artificial (IA) generativa. Para esta colaboración Google Cloud utilizará Vertex AI, un modelo que ayuda a la compilación, implementación y escalabilidad de modelos de aprendizaje automático. El objetivo de esta colaboración es ayudar a organizaciones a implementar aprendizaje automático. CareCloud se dedica a la transformación digital de proveedores de atención médica pequeños y medianos, por lo que esta estrategia busca aprovechar los flujos de trabajo existentes para personalizar las aplicaciones de la IA generativa. Asimismo, esta alianza permitirá que los proveedores pequeños utilicen las mismas tecnologías que los grandes proveedores. “La asociación de Google Cloud y CareCloud extenderá las tecnologías avanzadas a una gama más amplia de médicos. La IA generativa, junto con otras tecnologías avanzadas, ha mejorado enormemente el análisis de datos, el reconocimiento de patrones y los diagnósticos precisos de enfermedades”, explicó Hadi Chaudhry, presidente y director ejecutivo de CareCloud, en un comunicado de prensa. Actualmente, diversas clínicas que utilizan las herramientas de CareCloud, ahora podrán analizar datos y generar información a través de la IA generativa de Google. Es decir, de acuerdo con la información de cada paciente, como resultados de laboratorio o tratamientos pasados o actuales, es posible que los profesionales médicos reciban recomendaciones personalizadas. Por su parte, Aashima Gupta, directora global de soluciones de atención médica en Google Cloud explicó que la IA generativa tiene el potencial de impulsar un cambio en la atención médica y poner a los usuarios al centro. Asimismo, resaltó que uno de los beneficios de esta colaboración es que los médicos podrán tomar decisiones altamente informadas. Esta colaboración sobre IA generativa de Google se suma a su asociación con Mayo Clinic, anunciada el mes pasado que también busca mejorar la eficiencia de los flujos de trabajo clínico y facilitar la búsqueda de información médica para los prestadores de servicios. BIBLIOGRAFÍA HEALTH IT ANALYTICS https://healthitanalytics.com/news/google-collab-to-support-generative-ai-in-ambulatory-healthcare-settings

Expertos en inteligencia artificial y sus aplicaciones médicas piden regulaciones al uso de grandes modelos de lenguajes para aprovechar sus beneficios en el sector salud. Los grandes modelos de lenguaje (LLM, en inglés) como la inteligencia artificial (IA) generativa han experimentado un desarrollo acelerado en los últimos años y meses. Actualmente existen varios LLM disponibles para el público como GPT-4 de Open AI o Bard de Google. Dentro del campo de la medicina existe un gran potencial de la implementación de estos modelos debido a la variedad de sus aplicaciones, que buscan facilitar diversos procesos médicos como facilitar la búsqueda de documentación clínica, resumir trabajos de investigación o responder preguntas de los pacientes a través de chatbots. No obstante, a pesar de su gran potencial trasformador, los LLM requieren un entrenamiento distinto a las tecnologías médicas basadas en IA que ya se encuentran reguladas. Por ello es necesario regular sus alcances y garantizar la seguridad en su uso, manteniendo estándares éticos y de proyección de la privacidad de los pacientes. En este sentido Bertalan Meskó, conocido como el médico futurista y el cardiólogo Eric Topol, uno de los grandes especialistas en medicina digital, publicaron recientemente un artículo en npj Digital Medicine sobre la importancia de contar con supervisión regulatoria de los LLM y la IA generativa en el campo de la salud. El crecimiento de la IA generativa especialmente durante finales de 2022 y principios de 2023 ha iniciado debates sobre sus aplicaciones y su uso ético. Por ejemplo, ChatGPT logró más de 100 millones de usuarios en sus primeros dos meses, lo que también provocó debates sobre el papel que podría desempeñar en la atención médica y en el cuidado de la salud. Además de las aplicaciones destacadas previamente, diversas revisiones sistemáticas encontraron beneficios potenciales en la IA generativa como la mejora de la redacción científica, la mejora de la equidad en la investigación, la racionalización del flujo de trabajo de atención médica, el ahorro de costos y la mejora del aprendizaje personalizado en la educación médica. A continuación, los desafíos y las recomendaciones sobre los LLM que proponen Bertalan y Topol: Privacidad de datos del paciente Garantizar que los datos de los pacientes que se utilizan para entrenar modelos de lenguaje grandes estén completamente anónimos y protegidos de posibles infracciones. Esto plantea un desafío regulatorio significativo, ya que cualquier violación podría tener consecuencias graves según las leyes de privacidad como la Ley de Portabilidad y Responsabilidad de Seguros Médicos (HIPAA, en inglés) en Estados Unidos. Propiedad intelectual Si un LLM genera contenido similar a la investigación o literatura médica patentada, podría generar problemas relacionados con los derechos de propiedad intelectual. Responsabilidad por negligencia médica Determinar quién es responsable cuando las recomendaciones de una IA provocan daño al paciente. ¿Son los desarrolladores de IA, los profesionales de la salud que la usaron o las instituciones que la adoptaron? Control de calidad y estandarización Se requiere una regulación para garantizar la confiabilidad y consistencia de los consejos médicos generados por IA, que pueden variar según los datos utilizados para entrenar a la IA. Consentimiento informado Los pacientes deben estar informados y dar su consentimiento cuando se utilizan herramientas de IA en la gestión de su atención médica. Esto es un desafío porque puede ser difícil para los pacientes comprender completamente las implicaciones del uso de la IA. Interpretabilidad y Transparencia Las regulaciones deben garantizar la transparencia sobre cómo la IA toma las decisiones. Esto es particularmente desafiante con los modelos de IA que a menudo se denominan “cajas negras” debido a sus complejos algoritmos. Equidad y sesgo Se necesita una regulación para evitar sesgos en los modelos de IA, que podrían introducirse durante el proceso de capacitación utilizando datos de pacientes. Esto puede conducir a disparidades en los resultados de la atención médica. Propiedad de los datos Puede ser un desafío definir y regular quién es el propietario de los datos  que aprenden los grandes modelos de lenguaje, especialmente cuando se trata de datos de pacientes. Dependencia excesiva de los modelos de IA La dependencia excesiva de la IA podría conducir a una disminución de la experiencia humana y posibles errores si la IA funciona mal o proporciona información incorrecta. Se necesitan regulaciones para equilibrar el uso de la IA y la experiencia humana. Monitoreo y Validación Continuos Garantizar el rendimiento, la precisión y la validez continuos de las herramientas de IA a lo largo del tiempo y entre diferentes poblaciones es un desafío regulatorio crítico. Alrededor de los LLM existe una gran expectativa sobre sus posibles aportes a la atención médica del futuro, sin embargo, como cada nueva tecnología implica ciertos riesgos y desafíos éticos que deben resolverse antes de su adopción de manera masiva. Contar un enfoque de regulación será necesario para aprovechar realmente el potencial que muestran las soluciones impulsadas por IA como los LLM. BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41746-023-00873-0

Investigadores de la Universidad Estatal de Ohio, desarrollaron un modelo de inteligencia artificial generativa que podía acelerar el desarrollo y diseño de medicamentos. La retrosíntesis es un procedimiento en el que una molécula objetivo se transforma en posibles reactivos y, de esta manera, se pueden identificar las rutas de síntesis. Investigadores de la Universidad Estatal de Ohio (OSU, en inglés), desarrollaron enfoques computacionales para acelerar el diseño de rutas de síntesis. En el artículo “G2Retro como modelos generativos de gráficos de dos pasos para la predicción de retrosíntesis” los autores muestran un modelo de inteligencia artificial (IA) generativa que cumple con dicho propósito. En este sentido, la retrosíntesis facilita la creación de potenciales medicamentos para los químicos y especialistas, al tomar las moléculas deseadas que componen el objetivo del fármaco y así identificar las reacciones químicas que generarían estas moléculas. “G2Retro imita la lógica inversa de las reacciones sintéticas. Primero predice los centros de reacción en las moléculas objetivo (productos), identifica los sintones necesarios para ensamblar los productos y transforma estos sintones en reactivos”, explica la investigación. “Nuestro objetivo era utilizar la IA para acelerar el proceso de diseño de fármacos, y descubrimos que no solo ahorra tiempo y dinero a los investigadores, sino que proporciona candidatos a fármacos que pueden tener propiedades mucho mejores que cualquier molécula que exista en la naturaleza”, explicó Xia Ning, autora principal del estudio. Es decir, los millones de reacciones químicas potenciales, que requieren ser examinadas para encontrar las correctas para el desarrollo de fármacos, necesitan mucho tiempo, es por ello la IA generativa juega un rol importante, en este caso A través del modelo G2Retro. Los investigadores entrenaron este modelo en 40 mil reacciones químicas recopiladas entre 1976 y 2016, a través de este conjunto de datos el modelo utiliza representaciones basadas en gráficos de cada molécula y utiliza las redes neuronales profundas para identificar y generar estructuras potenciales que podrían utilizarse para sintetizar una molécula específica. Para probar esta herramienta los científicos evaluaron su capacidad de producción de estructuras reactivas para cuatro medicamentos ya existentes. “Para ilustrar el poder predictivo de G2Retro, hemos destacado los 10 principales reactivos predichos por G2Retro con tipos de reacción desconocidos para cuatro moléculas de fármacos recientemente aprobadas en 2022, incluidos Mitapivat, Tapinorf, Mavacamten y Oteseconazol”, explica el estudio. La prueba determinó que esta herramienta podía generar con precisión las rutas de síntesis patentadas utilizadas en estos medicamentos y proporcionar rutas de síntesis alternativas viables y eficaces. Además, la velocidad de procesamiento permite completas esta tarea más rápido que un profesional químico. “Nuestro método de IA generativa G2Retro puede proporcionar múltiples rutas y opciones de síntesis diferentes, así como una forma de clasificar diferentes opciones para cada molécula”, dijo Ning. Sin embargo, reconoció que este proceso no reemplazará los experimentos de laboratorio actuales, pero que ofrece más opciones de medicamentos para que los experimentos y pruebas puedan priorizarse y enfocarse de manera más ágil. “Estamos muy entusiasmados con la IA generativa para la medicina y estamos dedicados a usar la IA de manera responsable para mejorar la salud humana”, finalizó Ning. BIBLIOGRAFÍA OSU https://news.osu.edu/using-ai-to-create-better-more-potent-medicines/ HEALTH IT ANALYTICS https://healthitanalytics.com/news/generative-artificial-intelligence-tool-may-support-drug-development NATURE https://www.nature.com/articles/s42004-023-00897-3

La colaboración busca mejorar la eficiencia de los flujos de trabajo clínicos y facilitar la búsqueda de información para mejorar los resultados del paciente. Google Cloud ha anunciado una colaboración con Mayo Clinic para transformar la atención médica mediante inteligencia artificial (IA) generativa. Esta iniciativa comienza con Enterprise Search en Generative AI App Builder (Gen App Builder), con el objetivo de mejorar la eficiencia de los flujos de trabajo clínicos, facilitar la búsqueda de información para los médicos e investigadores, y, en última instancia, contribuir a mejorar los resultados de los pacientes. Además, Google Cloud anunció que Enterprise Search en Gen App Builder está lista para cumplir con la normativa de privacidad de la Ley de Transferibilidad y Responsabilidad del Seguro Médico (HIPAA, en inglés). Los profesionales de la salud recurren a una amplia gama de fuentes, como historias clínicas, investigaciones médicas y pautas clínicas, para obtener apoyo en diversas áreas, desde definir condiciones hasta realizar diagnósticos y evaluar opciones de tratamiento. No obstante, la información médica suele estar dispersa en distintos formatos y ubicaciones, lo que dificulta la búsqueda de la información necesaria en el momento preciso. Para abordar este desafío, Enterprise Search en Gen App Builder reúne datos provenientes de documentos dispersos, bases de datos e intranets, simplificando así la tarea de búsqueda, análisis e identificación de los resultados más relevantes. “La IA generativa tiene el potencial de transformar la atención médica al mejorar las interacciones humanas y automatizar operaciones como nunca antes”, explicó Thomas Kurian, CEO de Google Cloud. Además, Mayo Clinic es líder y pionero en la aplicación de IA en el sector médico. “Nuestra prioridad de seguridad del paciente, privacidad y consideraciones éticas significa que la IA generativa puede tener un impacto significativo y positivo en cómo trabajamos y brindamos atención médica”, expresó Cris Ross, director de Información de Mayo Clinic. Asimismo, reconoció el potencial y la importancia de las herramientas de Google Cloud, por ejemplo, que son capaces de desbloquear fuentes de información que típicamente no se pueden buscar de manera convencional, o que son difíciles de acceder o interpretar, desde el historial médico complejo de un paciente hasta sus imágenes, genómica y análisis de laboratorio. “Acceder a ideas más rápidas y fáciles podría impulsar más curas, crear más conexiones con los pacientes y transformar la atención médica”, agregó. Las soluciones de IA generativa de Google Cloud se basan en años de investigación y desarrollo, así como en la adopción e implementación exitosa de la IA en salud y otros campos. Estas soluciones aplicadas a organizaciones de atención médica buscan brindar nuevas capacidades innovadoras para generar interacciones personalizadas y únicas en tiempo real, algo que antes no era posible. En el pasado, la IA se enfocaba en analizar grandes volúmenes de datos para identificar patrones y lograr una mayor eficiencia en las tareas existentes. Sin embargo, con la llegada de la IA generativa, se puede revisar la información de manera más sofisticada, condensar y asimilar los datos, e incluso generar nuevas imágenes, entre otras aplicaciones. Las herramientas de IA generativa de Google Cloud, como Gen App Builder y el soporte de IA generativa en Vertex AI, pueden ayudar a las organizaciones de atención médica a optimizar la productividad de su personal, agilizar los procesos administrativos y aprovechar la tecnología para automatizar tareas repetitivas, permitiendo que los cuidadores se centren en interacciones de mayor valor con los pacientes. Mayo Clinic es una de las primeras organizaciones que utilizan Enterprise Search en Gen App Builder de Google Cloud, por lo que se encuentran explorando cómo la combinación de una búsqueda de calidad de Google con IA generativa puede proporcionar información importante a médicos, clínicos y otros empleados de manera rápida, fluida y conversacional. Cabe mencionar que este anuncio se basa en el trabajos y experiencias previas de Google Cloud con Mayo Clinic en sus acciones de transformación digital, incluyendo programas que aprovechan soluciones analíticas, IA y aprendizaje automático. El enfoque de Google Cloud en la gobernanza de datos y las políticas de privacidad garantiza que sus clientes mantengan el control sobre sus datos. Es decir, que, en entornos de atención médica, el acceso y uso de los datos de los pacientes está protegido de manera apropiada mediante la implementación de una infraestructura confiable de Google Cloud y almacenamiento seguro de datos que cumpla con la normativa de privacidad de HIPAA. BIBLIOGRAFÍA GOOGLE CLOUD https://www.prnewswire.com/news-releases/google-cloud-collaborates-with-mayo-clinic-to-transform-healthcare-with-generative-ai-301844437.html

Utilizarán tecnologías emergentes como la computación cuántica y modelos de inteligencia artificial generativa para el diseño de medicamentos y terapias de ARN mensajero. La compañía de biotecnología, Moderna e IBM anunciaron un acuerdo para explorar de manera colaborativa nuevas tecnologías como la computación cuántica e inteligencia artificial (IA), para acelerar la investigación sobre ARN mensajero (ARNm).  A través de este acuerdo, Moderna busca desarrollar habilidades y técnicas de computación cuántica para desarrollar medicinas ARNm y además invertir en IA generativa para mejorar el diseño de producto. “Nuestro objetivo es lograr avances revolucionarios con la computación cuántica, por lo que estamos invirtiendo ahora en la creación de una plantilla preparada para la cuántica, con el fin de estar plenamente preparados para aprovechar el poder de esta tecnología”, mencionó Stéphane Bancel, director ejecutivo de Moderna. Por otra parte, el propósito de IBM es impulsar la computación a través de los nuevos avances en IA y computación cuántica. “Moderna podrá aprovechar nuestros esfuerzos plurianuales de investigación en IA generativa para terapéutica, que pueden permitir a los científicos comprender mejor cómo se comportan las moléculas y pueden facilitar la creación de otras totalmente nuevas”, afirmó el Dr. Darío Gil, vicepresidente senior y director de IBM Research. El acuerdo permitirá que Moderna participe en el programa IBM Quantum Accelerator, y la IBM Quantum Network, los cuales le proporcionarán acceso a sistemas computacionales y asistencia de expertos para explorar la posible aplicación de enfoques cuánticos a los retos científicos de Moderna. Cabe destacar que la computación cuántica es una tecnología emergente y transformativa que aprovecha los principios de la mecánica cuántica para solucionar problemas demasiado complejos para computadoras clásicas. De esta forma, a través de esta colaboración los científicos de Moderna aprenderán cómo la tecnología cuántica puede ser aplicada en el desarrollo de medicinas ARNm. En cuanto a la IA, los científicos de Moderna e IBM aplicarán MoLFormer un modelo fundacional de IA, que tiene la capacidad de ayudar a los científicos a predecir las propiedades de las moléculas, y por lo tanto apoyar al entendimiento de las características de medicinas ARNm potenciales. El objetivo del uso de este modelo es ayudar a optimizar las nanopartículas lipídicas que encapsulan y protegen el ARNm en su recorrido por el organismo, en el cual el ARNm actúa como instrucciones para las células con el fin de combatir enfermedades. De esta forma esta iniciativa entre ambas compañías permitirá combinar tecnologías como la IA generativa para diseñar medicamentos y terapias basadas en ARNm. BIBLIOGRAFÍA IBM https://es.newsroom.ibm.com/announcements?item=122765 MODERNA https://investors.modernatx.com/news/news-details/2023/Moderna-and-IBM-to-Explore-Quantum-Computing-and-Generative-AI-for-mRNA-Science/default.aspx

Google Cloud compartió los más recientes avances de la herramienta de inteligencia artificial generativa Med-PaLM2. La inteligencia artificial (IA) es una herramienta que está revolucionando los avances en el sector del ciudado de la salud.  Google es una de las compañías que continúan contribuyendo a la aplicación de la IA en salud. En este sentido, Aashima Gupta, directora global de estrategia y soluciones para el cuidado de la salud de Google Cloud y Amy Waldron directora global de estrategia y soluciones de planes de salud de Google Cloud, presentaron los últimos avances de IA en salud. Actualmente Google, se encuentra perfeccionando el modelo médico de lenguaje de gran escala (LLM, en inglés) llamado Med-PaLM2. Este LLM estará disponible de forma de pruebas limitadas durante las próximas semanas solo para un grupo selecto de clientes de Google Cloud. De esta forma Google busca explorar casos de uso y compartir comentarios mientras continúan investigando formas seguras y responsables de usar esta tecnología. Med-PaLM, fue el primer LLM que obtuvo un nivel de examinador “experto” en el conjunto de datos MedQA de preguntas para el Examen de Licencias Médicas de Estados Unidos (USMLE, en inglés), luego de alcanzar una precisión del 85%. Asimismo, Med-PaLM2 fue el primer sistema de IA en alcanzar una puntuación aprobatoria en el conjunto de datos MedMCQA con una puntuación del 72,3%. La IA generativa tiene el potencial de mejorar las experiencias en la atención médica. Estos modelos podrían utilizarse para encontrar información en textos médicos complicados y no estructurados; o para redactar respuestas breves o largas y reunir documentación de conjuntos de datos. Google Cloud, resalta la importancia de innovar responsablemente con la IA, especialmente en el sector salud. “El impresionante rendimiento de Med-PaLM 2 en preguntas de estilo de examen médico es un avance prometedor, pero debemos aprender cómo se puede aprovechar para beneficiar a los trabajadores de la salud, investigadores, administradores y pacientes”, explican Gupta y Waldron en el blog de Google Cloud. De esta manera mientras la IA demuestre su valor en el campo médico y en otras industrias o sectores de la ciencia, es posible que haya un mejor enfoque que promueva la interoperabilidad de datos, un término de suma importancia en los sistemas de salud. La conservación y recopilación de datos es clave para brindar atención médica de alta calidad y mejorar el flujo de datos en los sistemas de salud es lo que promueve las soluciones interoperables. BIBLIOGRAFÍA GOOGLE CLOUD https://cloud.google.com/blog/topics/healthcare-life-sciences/sharing-google-med-palm-2-medical-large-language-model/

Investigadores de Mount Sinai desarrollan la herramienta HistoAge, que abre nuevas perspectivas en la investigación de enfermedades cognitivas y Alzheimer. Una investigación realizada por investigadores del sistema de salud Mount Sinai mostró la utilización de inteligencia artificial (IA) para desarrollar un modelo de predicción de edad en tejido cerebral humano, algo que no se había logrado anteriormente. Este modelo, llamado “HistoAge”, se basa en la composición celular de muestras de tejido cerebral humano y puede predecir la edad en la que una persona fallecerá con una precisión promedio de 5.45 años. El estudio se centró en el hipocampo, una región del cerebro que se sabe que está involucrada en el envejecimiento cerebral y enfermedades neurodegenerativas relacionadas con la edad, como la enfermedad de Alzheimer. Los investigadores recopilaron casi 700 imágenes digitalizadas de secciones del hipocampo de donantes de cerebro ancianos para desarrollar el algoritmo de estimación de edad del cerebro. De esta manera, utilizaron un modelo de aprendizaje automático para estimar la edad en la que una persona fallecerá basándose únicamente en la sección digitalizada, una tarea imposible de realizar con precisión para un observador humano. La diferencia entre la edad predicha por el modelo y la edad real se utilizó para calcular el envejecimiento del cerebro. Posteriormente, luego de comparar las medidas de envejecimiento del modelo HistoAge con medidas actuales de envejecimiento (por ejemplo, metilación del ADN), descubrieron que el envejecimiento basado en HistoAge tenía una relación más fuerte con el deterioro cognitivo, enfermedades cerebrovasculares y los niveles de agregación anormal de proteínas degenerativas relacionadas con enfermedades como Alzheimer. El estudio concluyó que el modelo HistoAge es una métrica confiable e independiente para determinar la edad del cerebro y comprender los factores que impulsan la neurodegeneración con el tiempo. “La influencia disruptiva de la IA en la investigación cerebral es un cambio de paradigma que nos impulsa hacia la próxima generación de curas. El modelo HistoAge nos permitirá descubrir aspectos causales cruciales de enfermedades cerebrales debilitantes, como la enfermedad de Alzheimer”, explicó el Dr. John F. Crary, especialista en neurociencia e IA en Icahn School of Medicine en Mount Sinai y uno de los autores del estudio. En este sentido, los investigadores sugieren que el modelo HistoAge y algoritmos similares futuros representan una nueva herramienta para evaluar el envejecimiento y la neurodegeneración en muestras humana, de tal manera, que estos modelos podrían desplegarse fácilmente en laboratorios de investigación clínica y traslacional a gran escala. Además, ofrecen métricas más precisas y sólidas de los cambios celulares que se relacionan con enfermedades degenerativas. Finalmente, entre los planes futuros del equipo de investigación se encuentra una colaboración para la creación de un conjunto de datos de IA a gran escala que permitirá desarrollar modelos de IA más poderosos y con el potencial de transformar la comprensión de enfermedades cerebrales. “Este modelo abre las compuertas para una serie de análisis fascinantes y esenciales que nos acercan finalmente a comprender el cerebro envejecido y las enfermedades cerebrales relacionadas con la edad, como el Alzheimer. Esta es la primera vez que hemos podido cuantificar cuánto envejecimiento hay en el cerebro en la patología. Con este enfoque, podemos descubrir genes que protegen contra el envejecimiento cerebral o genes que empeoran el envejecimiento en el cerebro, así como descubrir los factores de riesgo ambientales que hacen que los cerebros de las personas envejezcan más rápido”, detalló Gabriel A. Marx, residente en neurología en Icahn School of Medicine. BIBLIOGRAFÍA SPRINGER https://link.springer.com/article/10.1007/s00401-023-02636-3 MOUNT SINAI https://www.mountsinai.org/about/newsroom/2023/mount-sinai-researchers-first-to-develop-age-prediction-model-on-human-brain-tissue-using-artificial-intelligence

Google impulsa la atención médica y la ciencia con nuevos avances en IA para mejorar el acceso, la personalización y los descubrimientos científicos.