Microsoft presenta extensiones para Fabric y Azure para la IA en el campo de la salud
Microsoft presenta nuevas extensiones para Fabric y Azure enfocadas en IA para el sector de la salud
El campo de la salud está atraer cada vez más los esfuerzos de las empresas más prominentes en inteligencia artificial, con Microsoft siendo el último ejemplo.
La semana pasada, la compañía anunció extensiones a Fabric, la plataforma de análisis de datos que reveló en mayo, para permitir que Fabric realice análisis en múltiples tipos de datos de atención médica. Microsoft también anunció nuevos servicios en su servicio de computación en la nube Azure para, entre otras cosas, utilizar grandes modelos de lenguaje como asistentes médicos.
“Queremos construir esa base de datos unificada y multimodal en Fabric One Lake, donde puedes unificar todas estas diferentes modalidades de datos para que luego puedas razonar sobre esos datos, ejecutar modelos de IA, y así sucesivamente”, dijo Umesh Rustogi, el gerente general de Microsoft Cloud for Healthcare, en una entrevista con ENBLE.
La tendencia de la multimodalidad, que ENBLE exploró en un artículo destacado sobre IA este mes, es cada vez más importante en la atención médica, dijo Rustogi. “Hemos escuchado esto de múltiples clientes, donde creen que si se combinan múltiples modalidades de datos, se pueden desbloquear nuevas ideas, lo cual no es posible al investigar solo una modalidad de datos”, dijo Rustogi.
- Millones de trabajadores están entrenando modelos de inteligencia a...
- Un motor de búsqueda verde ve peligro y oportunidad en la revolució...
- Singapur y Estados Unidos se sincronizan en la gobernanza de la IA ...
Umesh Rustogi, el gerente general de Microsoft Cloud for Healthcare.
Ejemplos de tales modalidades combinadas incluyen “cosas simples como la creación de grupos de pacientes según criterios de sus resultados de imágenes y sus resultados clínicos, lo cual es un caso de uso muy común deseado pero no muy fácil de hacer en la actualidad”, dijo. Rustogi citó como ejemplo de lo que algunos quisieran hacer un estudio de 2020 en la prestigiosa revista Nature. Ese artículo ofrece una visión general de técnicas de “fusión de datos” que se pueden “aplicar para combinar imágenes médicas con registros electrónicos de salud (EHR)”.
También: La IA generativa superará con creces lo que ChatGPT puede hacer. Aquí está todo sobre cómo avanza la tecnología
Otra de las nuevas capacidades de Fabric es un “servicio de desidentificación”, que utiliza formas de inteligencia artificial de aprendizaje automático para eliminar los datos clínicos que revelan las identidades de los pacientes, como las notas de los médicos. “Ha sido un problema muy difícil de resolver para la industria en cuanto a cómo tomar esas notas clínicas no estructuradas y desidentificarlas de tal manera que sigan siendo significativas para la comunidad de investigación”, dijo Rustogi.
El colega de Rustogi, Hadas Bitran, jefa de AI for Health y Health and Life Sciences de Microsoft, habló sobre varias ofertas nuevas de IA de la división de servicios web de Azure.
La oferta Azure AI Health Insights consta de modelos de IA de aprendizaje automático preconstruidos. Inicialmente se ofrecen tres modelos en una etapa de vista previa:
- Línea de tiempo del paciente, que “utiliza IA generativa para extraer eventos clave de datos no estructurados, como medicamentos, diagnósticos y procedimientos, y los organiza cronológicamente para dar a los médicos una visión más precisa de la historia médica de un paciente para informar mejor los planes de atención”;
- Simplificación de informes clínicos, que “utiliza IA generativa para proporcionar a los médicos la capacidad de tomar la jerga médica y convertirla en un lenguaje sencillo manteniendo la esencia completa de la información clínica para compartirla con otros, incluidos los pacientes”;
- Informes radiológicos, que “ofrece verificaciones de calidad mediante feedback sobre errores e inconsistencias. El modelo también identifica recomendaciones de seguimiento y hallazgos clínicos dentro de la documentación clínica con mediciones (tamaños) documentadas por el radiólogo”.
Estos tres modelos se están agregando a varios modelos predefinidos que ya se ofrecían para la coincidencia de ensayos clínicos y para modelos basados en el fenotipo oncológico.
Una nueva oferta llamada Azure AI Health Bot utiliza la tecnología de modelos de lenguaje grandes para obtener respuestas a preguntas médicas de fuentes que incluyen la base de datos de una organización de atención médica, o los Institutos Nacionales de Salud de EE.UU. y la Administración de Alimentos y Medicamentos de EE.UU.
“Una idea aquí es que este servicio ayuda a los clientes a crear experiencias de copiloto especializadas”, dijo Bitran a ENBLE en la misma entrevista con Rustogi.
“Lo interesante de esto es que se puede producir un efecto en cascada”, dijo Bitran. “Así que puedes utilizar tus propias fuentes, y si no hay nada en tus propias fuentes, también puedes proporcionar respuestas basadas en fuentes confiables, y luego, si no hay nada en las fuentes confiables, simplemente puedes recurrir a una respuesta genérica”.
Por supuesto, actualmente hay mucho escepticismo en cuanto al uso de formas generativas de IA, como los modelos de lenguaje grandes, en prácticas sensibles como la atención médica. ¿Cómo piensa Microsoft en relación a esas preocupaciones?
Hadas Bitran, jefa de IA para la salud de Microsoft y ciencias de la salud y la vida.
“Esa es una muy buena pregunta y muy relevante”, dijo Bitran. “Definitivamente comparto la opinión de que los modelos de lenguaje grandes necesitan algo más además de ellos para proporcionar buenos resultados”.
“La forma en que estamos abordando esto es que, para cada modelo que creamos, si estamos utilizando modelos de lenguaje grandes, siempre irán acompañados de salvaguardias específicas para la atención médica”, dijo Bitran.
“Una de las estrategias más interesantes [para las salvaguardias] es utilizar modelos más pequeños y modelos basados en reglas, en un modelo híbrido con el LLM, para mantener al LLM honesto, por así decirlo”, dijo Bitran.
También: Amazon AWS lanza HealthScribe para transcribir las conversaciones de los médicos
Por ejemplo, en el modelo predefinido para la simplificación de informes clínicos, “no le pedimos solo al modelo de lenguaje que me lo explique; también estamos implementando mucha lógica de preprocesamiento y postprocesamiento que nos permite tomar el resultado de la simplificación, medirlo según las métricas de desempeño de la simplificación”, explicó Bitran. “Luego, aplicamos una referencia cruzada para ver si los resultados son realmente una simplificación de la fuente, o si hay todo tipo de fabricaciones o cosas que faltan”.
Bitran señaló que el trabajo en el campo de la atención médica se realiza dentro de lo que Microsoft ha establecido como su “marco de IA responsable“, que continúa evaluándose.
“Ese marco de IA responsable no se trata solo de privacidad y seguridad y accesibilidad y transparencia, etc.”, dijo Bitran. “También se trata de corrección, responsabilidad e imparcialidad”.
“Por último, pero no menos importante, nuestros modelos no pretenden reemplazar al médico”, dijo Bitran. “Siempre hay un individuo humano; están destinados a proporcionar a los médicos herramientas que alivien la carga, que los ayuden en su trabajo”.
