Una imagen puede valer más que mil palabras, pero aún así… estos dos tienen mucho trabajo por hacer para llegar a BiomedGPT.
Cubierto recientemente en la revista. Medicina de la naturalezaBiomedGPT es un nuevo tipo de inteligencia artificial (IA) diseñado para respaldar una amplia gama de tareas médicas y científicas. La nueva investigación, realizada en colaboración con varias instituciones, se describe en el artículo como “el primer modelo básico de lenguaje de visión liviano y de código abierto, diseñado como un generalista capaz de realizar una variedad de tareas biomédicas”.
“Este trabajo combina dos tipos de IA en una herramienta de apoyo a la toma de decisiones para los proveedores médicos”, explica Lichao Sun, profesor asistente de informática e ingeniería en la Universidad de Lehigh y autor principal del estudio. “Una parte del sistema está entrenada para comprender imágenes biomédicas y la otra para comprender e inferir textos biomédicos. Su combinación proporciona un modelo obtenido de una base de datos de imágenes biomédicas. El uso de conocimientos permite abordar una amplia gama de desafíos biomédicos. Análisis y síntesis de informes de investigaciones científicas y clínicas.”
’16 hallazgos de vanguardia’ para médicos y pacientes
Una innovación clave descrita el 7 de agosto Medicina de la naturaleza El artículo, “Un modelo básico de lenguaje de visión generalizada para diversas tareas biomédicas”, es que este modelo de IA no necesita estar especializado para cada tarea. Normalmente, los sistemas de IA están capacitados para trabajos específicos, como reconocer tumores en rayos X o resumir artículos médicos. Sin embargo, este nuevo modelo puede realizar muchas tareas diferentes utilizando la misma tecnología básica. ¿Esta versatilidad lo convierte en un modelo “generalista”? Y una nueva y poderosa herramienta en manos de los proveedores médicos.
“BiomedGPT se basa en modelos básicos, que es un desarrollo reciente en IA”, dice Sun. “Los modelos básicos son grandes sistemas de IA previamente entrenados que se pueden adaptar para diferentes tareas con una capacitación adicional mínima. El modelo generalista descrito en el artículo se entrenó con grandes cantidades de datos biomédicos, que también incluyen imágenes y texto, lo que le permite funcionan bien en una variedad de aplicaciones.”
“Revisando 25 conjuntos de datos en 9 tareas biomédicas y diferentes métodos”, dice Kai Zhang, estudiante de doctorado de Lehigh asesorado por Sun y quien es su primer autor. la naturaleza Artículo, “BiomedGPT produce 16 resultados de última generación. La evaluación humana de BiomedGPT en tres tareas de radiología demostró fuertes capacidades predictivas del modelo”.
Zhang dice que está orgulloso de que el código base de fuente abierta esté disponible para que otros investigadores lo utilicen como trampolín para un mayor desarrollo y adopción.
El equipo informa que la tecnología detrás de BiomedGPT algún día podría ayudar a los médicos a interpretar imágenes médicas complejas, ayudar a los investigadores a analizar la literatura científica o incluso ayudar al descubrimiento de fármacos al predecir el comportamiento de las moléculas.
“El impacto potencial de esta tecnología es significativo, ya que puede optimizar muchos aspectos de la atención médica y la investigación, haciéndolos más rápidos y precisos”, dice Zhang. “Nuestro método muestra que un entrenamiento eficaz con datos diversos puede conducir a una IA biomédica más práctica. “Mejorar el diagnóstico y la eficiencia del flujo de trabajo”.
Un esfuerzo de equipo para la validación clínica y más
Un paso importante en este proceso fue validar la eficacia y aplicabilidad del modelo en entornos sanitarios del mundo real.
“Las pruebas clínicas implican la aplicación de un modelo de IA a datos reales de pacientes para evaluar su precisión, confiabilidad y seguridad”, dice Sun. “Estas pruebas garantizan que el modelo funciona bien en una variedad de escenarios. Los resultados de estas pruebas ayudaron a refinar el modelo, que tiene el potencial de mejorar la toma de decisiones clínicas y la atención al paciente”.
El Hospital General de Massachusetts (MGH), miembro fundador del Mass General Brigham Healthcare System y afiliado docente de la Facultad de Medicina de Harvard, jugó un papel decisivo en el desarrollo y la validación del modelo BiomedGPT. La participación institucional se centró principalmente en proporcionar experiencia clínica y facilitar la evaluación de la eficacia del modelo en entornos sanitarios del mundo real. Por ejemplo, el modelo se probó con radiólogos del MGH, donde obtuvo excelentes resultados en tareas como responder preguntas visuales y generar un informe radiológico. Esta contribución ayudó a garantizar que el modelo fuera válido y práctico para uso clínico.
Otros colaboradores de BiomedGPT incluyen investigadores de la Universidad de Georgia, Samsung Research America, la Universidad de Pensilvania, la Universidad de Stanford, la Universidad de Florida Central, UC-Santa Cruz, la Universidad de Texas-Health, el Hospital Infantil de Filadelfia y la Clínica Mayo.
“Esta investigación es altamente interdisciplinaria y colaborativa”, dice Sun. “La investigación involucra experiencia de múltiples disciplinas, incluidas la informática, la medicina, la radiología y la ingeniería biomédica. Cada autor proporciona el conocimiento especializado necesario para desarrollar, probar y validar el modelo en una variedad de tareas biomédicas. Diversos escenarios con acceso a habilidades en desarrollo de algoritmos, entrenamiento de modelos, evaluación y aplicación en el mundo real, con conjuntos de datos y recursos computacionales, así como pruebas y validación clínicas.
“Fue un verdadero esfuerzo de equipo”, dice. “Crear algo que realmente pueda ayudar a la comunidad médica a mejorar los resultados de los pacientes en una amplia gama de problemas es un desafío muy complejo. Con tal complejidad, la colaboración puede generar impacto mediante la aplicación de la ciencia y la ingeniería. Es la clave”.
