Una poderosa herramienta clínica de inteligencia synthetic desarrollada por la Universidad de Buffalo Biomedical Informatics Investigers ha demostrado una notable precisión en las tres partes del Examen de Licencias Médicas de los Estados Unidos (exámenes PASE), según un artículo publicado hoy (22 de abril) en el Community JAMA ABIERTA.
Al lograr puntajes más altos en el USMLE que la mayoría de los médicos y todas las demás herramientas de IA hasta ahora, la inteligencia synthetic clínica semántica (SCAI, pronunciado “cielo”) tiene el potencial de convertirse en un socio crítico para los médicos, cube el autor principal Peter L. Elkin, MD, presidente del departamento de informática biomédica en la escuela de la escuela de la escuela de la escuela de la Escuela de Medicina y biomedical en UB y el médico de la Ubd.
Elkin cube que SCAI es la herramienta de IA clínica más precisa disponible hasta la fecha, con la versión más avanzada que puntúa 95.2% en el paso 3 del USMLE, mientras que una herramienta GPT4 OMNI obtuvo un 90.5% en la misma prueba.
“Como médicos, estamos acostumbrados a usar computadoras como herramientas”, explica, “pero Scai es diferente; puede aumentar su toma de decisiones y pensamiento en función de su propio razonamiento”.
La herramienta puede responder a las preguntas médicas planteadas por los médicos o el público en https://halsted.compbio.buffalo.edu/chat/.
Los investigadores probaron el modelo contra el USMLE, requerido para los médicos de licencia en todo el país, lo que evalúa la capacidad del médico para aplicar conocimientos, conceptos y principios, y para demostrar habilidades fundamentales centradas en el paciente. Se eliminaron cualquier pregunta con un componente visible.
Elkin explica que la mayoría de las herramientas de IA funcionan mediante el uso de estadísticas para encontrar asociaciones en los datos en línea que les permitan responder una pregunta. “Llamamos a estas herramientas inteligencia synthetic generativa”, cube. “Algunos han postulado que solo están plagiando lo que hay en Web porque las respuestas que le dan son lo que otros han escrito”. Sin embargo, estos modelos de IA ahora se están convirtiendo en socios en la atención en lugar de herramientas simples para que los médicos los utilicen en su práctica, cube.
“Pero Scai responde preguntas más complejas y realiza un razonamiento semántico más complejo”, cube, “hemos creado fuentes de conocimiento que pueden razonar más la forma en que las personas aprenden a razonar mientras realizan su capacitación en la escuela de medicina”.
El equipo comenzó con un software program de procesamiento de lenguaje pure que habían desarrollado previamente. Agregaron grandes cantidades de información clínica autorizada obtenida de fuentes muy dispares que van desde literatura médica reciente y pautas clínicas hasta datos genómicos, información de medicamentos, recomendaciones de alta, datos de seguridad del paciente y más. No se incluyeron cualquier datos que puedan ser sesgados, como notas clínicas.
13 millones de hechos médicos
SCAI contiene 13 millones de hechos médicos, así como todas las posibles interacciones entre esos hechos. El equipo utilizó hechos clínicos básicos conocidos como triples semánticos (objeto de relación sujeto-relación, como “Penicilina trata la neumonía neumocócica”) para crear redes semánticas. La herramienta puede representar estas redes semánticas para que sea posible sacar inferencias lógicas de ellas.
“Hemos enseñado modelos de idiomas grandes cómo usar el razonamiento semántico”, cube Elkin.
Otras técnicas que contribuyeron a SCAI incluyen gráficos de conocimiento que están diseñados para encontrar nuevos enlaces en datos médicos, así como patrones “ocultos” previamente “, así como una generación de recuperación, lo que permite que el modelo de lenguaje grande acceda e incorpore información de bases de datos de conocimiento externos antes de responder a un aviso. Esto cut back la “confabulación”, la tendencia de las herramientas de IA para responder siempre a un aviso incluso cuando no tiene suficiente información para continuar.
Elkin agrega que el uso de la semántica formal para informar el modelo de lenguaje grande proporciona un contexto importante necesario para que SCAI comprenda y responda con mayor precisión a una pregunta explicit.
‘Puede tener una conversación contigo’
“Scai es diferente de otros modelos de idiomas grandes porque puede tener una conversación con usted y, como una asociación humana-computadora, puede aumentar su toma de decisiones y pensamiento en función de su propio razonamiento”, cube Elkin.
Concluye: “Al agregar semántica a modelos de idiomas grandes, les estamos proporcionando la capacidad de razonar de manera related a la forma en que lo hacemos al practicar la medicina basada en evidencia”.
Debido a que puede acceder a tales grandes cantidades de datos, SCAI también tiene el potencial de mejorar la seguridad del paciente, mejorar el acceso a la atención y “democratizar la atención especializada”, cube Elkin, al hacer información médica sobre especialidades y subespecialidades accesibles para proveedores de atención primaria e incluso para pacientes.
Si bien el poder de SCAI es impresionante, Elkin enfatiza que su papel será aumentar, no reemplazar, los médicos.
“La inteligencia synthetic no va a reemplazar a los médicos”, cube, “pero un médico que usa IA puede reemplazar a un médico que no lo hace”.
Además de Elkin, los coautores de UB del Departamento de Informática Biomédica son Guresh Mehta; Frank Lehouillier; Melissa Resnick, PhD; Crystal Tomlin, PhD; Skyler Resendez, PhD; y Jiaxing Liu.
Sarah Mullin, PhD, del Centro Integral del Cáncer Roswell Park, y Jonathan R. Nebeker, MD, y Steven H. Brown, MD, ambos del Departamento de Asuntos de Veteranos, también son coautores.
El trabajo fue financiado por subvenciones de los Institutos Nacionales de Salud y el Departamento de Asuntos de Veteranos.
