De camino a la medicina algorítmica…

Google prueba Med-PaLM 2A chatbot especialista capacitado con datos de respuesta de exámenes de calificación médica, capaz de realizar conversaciones sobre temas de atención médica.

La empresa comenzó a probar el sistema en pacientes de Mayo Clinic en abril: el algoritmo puede generar respuestas a preguntas médicas y realizar automáticamente tareas como resumir documentos u organizar grandes cantidades de datos de salud de diversas fuentes.

Este tipo de algoritmos forman la base de los futuros sistemas de medicina preventiva que caracterizarán la atención médica en los países desarrollados: pacientes que, gracias a ellos, generan constantemente grandes cantidades de datos sobre sus parámetros de salud viable y hasta dispositivos sencillos de uso cotidiano que alimentan algoritmos capaces de generar el equivalente a un gemelo digitaluna imagen de su condición médica válida para evaluar si es útil un examen médico más intensivo.

Básicamente Med-Palma 2 Es un Modelo de lenguaje grande (LLM) Especialmente capacitados con datos de salud para responder preguntas relacionadas con el campo, que pueden ir desde el diagnóstico hasta la resolución de dudas. La decisión de utilizar datos canónicos formulados en las preguntas del examen para la autorización del médico es simplemente una cuestión de precaución: la capacitación con registros médicos reales plantea numerosos problemas de confidencialidad y privacidad. Sin embargo, es un problema regulatorio que puede resolverse fácilmente una vez que se implementen los sistemas de anonimización adecuados y el regulador sea consciente de los tremendos avances en la ciencia médica que pueden resultar del procesamiento masivo de datos de pacientes. real.

Estamos ante un momento muy importante en la historia de la medicina: el salto de la medicina paliativa, que sólo puede actuar en base a una determinada sintomatología perceptible, a una verdadera medicina preventiva, donde el paciente no tiene por qué ser consciente de que Este problema tiene: Todo lo que se requiere es que el algoritmo detecte una anomalía y la evalúe como algo que requiere una investigación más detallada, para que sean llamados por su médico, quien puede obtener información completa sobre ellos antes de la visita. Situación que disparó la alarma y solicitar las pruebas correspondientes.

El viableEn realidad, estos nunca debieron ser dispositivos destinados a ser interpretados por el usuario, quien generalmente carece de los conocimientos y experiencia necesarios para hacerlo. Ambos dispositivos, así como otro tipo de pruebas diagnósticas diseñadas para ser realizadas en el día a día, tienen en realidad la función de alimentar sistemas algorítmicos que pueden mantener activa la monitorización y el diagnóstico inicial en modo detección de anomalías. Cuando se trata de ofertas, los sistemas basados ​​en algoritmos generativos pueden ser interesantes mensaje de vuelta o atención, pero el verdadero significado que se convierte en ser o no ser, reduciendo tanto el sufrimiento del paciente como el costo de la atención médica, corresponderá a una raza diferente de algoritmos centrados en las predicciones. Además, producirán toda una nueva generación de investigación médica con cantidades mucho mayores de datos.

La propuesta de tal sistema no es una cuestión de costo, sino un simple problema de ambición: los responsables de los sistemas de salud a nivel de país aún no son conscientes de las enormes posibilidades y las consecuencias que podría tener para posicionar a un país en el vanguardia de la investigación médica. Aquellos que sean capaces de hacerlo lo suficientemente ambicioso verán muchos beneficios a todos los niveles, y es difícil imaginar que serán países como Estados Unidos donde una simple prueba de diagnóstico para confirmar los datos de un dispositivo puede arruinar el presupuesto familiar. Se puede esperar más ambición de los sistemas universales, pero están sujetos a numerosos problemas de sostenibilidad como los del Reino Unido, España, Alemania o, finalmente, pequeños ‘laboratorios’ sociales como Singapur.

Ahora es el momento de cambiar el alcance de la atención médica y la investigación. Veremos quién es consciente de esto.