Consejos de uno de los primeros usuarios en lograr éxito en Medicina al usar la IA

En el Foro HIMSS AI in Healthcare que se llevará a cabo en San Diego, un líder en análisis presentará los usos de la inteligencia artificial donde ha tenido más éxito y ofrecerá sugerencias y visiones sobre las mejores prácticas para las implementaciones de IA en entornos clínicos.

Experiencia en el Uso de IA y Aprendizaje Automático

El Dr. Luis Ahumada, director de ciencia y análisis de datos de salud del John Hopkins All Children’s Hospital, participando en un panel con Sumit Nagpal, CEO de Cherish Health, compartirá su experiencia como uno de los primeros usuarios en adoptar modelos de inteligencia artificial y aprendizaje automático.

Presentará varios ejemplos reales de cómo Johns Hopkins está utilizando herramientas habilitadas para la inteligencia artificial para optimizar sus procesos de atención médica, automatizando y acelerando diagnósticos clínicos y permitiendo a los médicos centrarse más en la atención al paciente. Explicará cómo superar las barreras para la adopción de la IA, las mejores prácticas para integrarla en los flujos de trabajo existentes y mucho más.

A pesar de que «la IA ha estado ayudando», Ahumada afirma que es «un proyecto en proceso». En John Hopkins, «estamos tratando de comprender mejor dónde estarán los principales beneficios», dijo, porque «los recursos no están disponibles para todos y la IA es costosa».

Ahumada ve valor en dos tipos de IA, con diferentes características de tamaño, forma y alcance. «Uno son los LLM, pero no van a resolverlo todo», aseguró. «El otro es lo que llamamos aprendizaje automático tradicional: crear modelos para la predicción y calculadoras de alto riesgo, cosas así. En algún momento habrá un híbrido entre los dos. Pero durante los últimos 10 o 15 años, me he centrado en el segundo».

Ambos son importantes para un caso de uso en el que John Hopkins All Children’s Hospital tiene un profundo enfoque: la documentación clínica. «Tenemos calculadoras de alto riesgo para todo lo que hay bajo el sol: reingresos o riesgos de cirugía, complicaciones, cosas así. Pero al mismo tiempo, muchos de esos problemas son causados por ineficiencias dentro del sistema, en el proceso de documentación. Y, en mi opinión, primero tenemos que resolver eso. Y ahí es en donde probablemente apuntan las herramientas actuales que tenemos a nuestra disposición».

Priorizando la Integridad de los Datos

La integridad de los datos es la «piedra angular y la base de todo lo que hacemos con LLM y ML».

Dr. Luis Ahumada, Hopital Infantil John Hopkins

Para lograr ese objetivo, el sistema de salud ha estado centrado en «obtener mejores datos», dijo. «Podemos usar el aprendizaje automático, podemos usar LLM, podemos usar muchas cosas diferentes para recopilar mejor estos datos».

Sí, existen desafíos grandes en torno a los datos que faltan, validación e integridad de los datos, afirma Ahumada. «Los datos no son perfectos. Deberían serlo, pero no lo son. Eso es un problema, porque utilizamos esos datos que recopilamos todos los días, cada segundo, para crear modelos».

Otra barrera fundamental está relacionada con «recopilar y reunir todos estos datos», dijo. «Al aprendizaje automático tradicional le encantan los grandes volúmenes de datos». Pero muchas veces puede ser un desafío «reunir incluso un pequeño registro para cientos de miles de pacientes», explicó.

Pero a pesar de esos obstáculos, Johns Hopkins está avanzando con varios casos de uso diferentes de inteligencia artificial generativa y aprendizaje automático que Ahumada describirá con más detalle en San Diego.

Un Enfoque en Costos y Accesibilidad

La integridad de los datos es la «piedra angular y la base de todo lo que hacemos con LLM y ML», afirmó Ahumada. Pero también está preocupado por el costo y garantizar que los sistemas de salud de cualquier tamaño (no solo aquellos con los recursos de Johns Hopkins) tengan acceso a los tipos de herramientas de inteligencia artificial que pueden ayudarles a mejorar sus procesos clínicos y administrativos.

Esta misma semana se publicó un informe de KLAS que muestra que los grandes sistemas de salud ya están obteniendo resultados con la IA generativa, pero los más pequeños han tenido una adopción más limitada.

«Se supone que la IA está abierta a todos, pero no es cierto porque es cara», aseguró. «Puedes usar LLM avanzados, pero incluso con eso, puedes configurar un LLM en tu taller (pero) la gente necesita entender que para poder hacerlo, tienes que tener personas que sepan cómo hacerlo, y que «No son baratos. Así que sí, hay muchos beneficios diferentes. Pero va a costar dinero».

Fuente