Análisis de disparidades sanitarias a través de modelos de lenguaje en gran escala
Una revolucionaria investigación realizada por la clínica general Brigham ha revelado el potencial de los Modelos de Lenguaje Grandes (LLM) para extraer determinantes sociales de la salud (SDoH) presentes en las anotaciones médicas. Esta habilidad tiene el potencial de mejorar drásticamente la detección de pacientes que requieren recursos adicionales. El estudio, publicado en Digital Medicine, indica que los LLM identificaron SDoH en un asombroso 93,8% de los casos, un notable avance en comparación al 2% conseguido mediante el uso de códigos de diagnóstico tradicionales.
Diseño de LLM dirigidos a identificar inequidades en la salud
El equipo de investigación dirigido por la doctora Danielle Bitterman, desarrolló LLM capaces de recopilar información referente a los SDoH, examinando y etiquetando las anotaciones médicas de los pacientes con cáncer. Los modelos fueron entrenados y evaluados usando datos de pacientes atendidos en diferentes centros médicos, incluyendo aquellos que pasaron por radioterapia e inmunoterapia, así como aquellos en cuidados intensivos.
Flan T5 LM y ChatGPT: herramientas efectivas en la identificación
El estudio subrayó la eficacia de los LM Flan T5, que mostraron ser consistentes en identificar referencias de SDoH, especialmente aquellas que raramente aparecen en la documentación clínica. Para complementar la formación de los LM, los investigadores utilizaron ChatGPT con el fin de generar ejemplos sintéticos de referencias SDoH.
Combatir el sesgo algorítmico en el sector de la salud
Una cuestión crucial que el estudio hace frente es el riesgo de que los modelos de Inteligencia Artificial perpetúen sesgos que podrían agudizar las disparidades en la salud. No obstante, se descubrió que los LM perfeccionados a través del estudio presentan menos sesgos basados en raza, etnia y género en comparación con modelos más generalistas como el GPT-4. A pesar de estos alentadores resultados, los investigadores subrayan la necesidad de realizar más estudios para comprender y reducir el sesgo algorítmico en las aplicaciones de salud.
LEE MÁS ARTÍCULOS SOBRE: Salud con IA.
LEE LA ENTRADA ANTERIOR: Škoda Auto mejora la experiencia del usuario al integrar "ChatGPT" en sus vehículos.