El sistema de IA de Google, entrenado para realizar entrevistas médicas, supera a los médicos humanos en aspectos relacionados con el trato y la precisión diagnóstica.
Desarrollado por equipos de DeepMind y Google Research y actualmente publicado en ArXiv, el chatbot, bautizado como Articulate Medical Intelligence Explorer (AMIE), destacó en el diagnóstico de afecciones respiratorias y cardiovasculares, entre otras.
Igualó o incluso superó a los médicos de atención primaria colegiados a la hora de recabar información sobre los pacientes durante las entrevistas médicas y obtuvo puntuaciones más altas en empatía.
Estamos encantados de presentar nuestro nuevo trabajo de investigación sobre AMIE (Articulate Medical Intelligence Explorer), un paso hacia la IA conversacional para el diagnóstico mediante @GoogleAI @GoogleSalud @GoogleDeepMindhttps://t.co/KIl1cYjgWO pic.twitter.com/JcPAiNcPgJ
- Mike Schaekermann (@HardyShakerman) 12 de enero de 2024
Uno de los principales retos a la hora de desarrollar AMIE fue la escasez de conversaciones médicas del mundo real como datos de entrenamiento.
Para superarlo, el equipo de Google Health, en el que se incluye el investigador científico de IA Vivek Natarajan, elaboró un método que permite al chatbot entablar "conversaciones" simuladas.
La IA fue entrenada para desempeñar los papeles de un paciente, un clínico empático y un crítico que evalúa la interacción médico-paciente.
En pruebas en las que participaron 20 actores entrenados para simular pacientes y 20 médicos colegiados, AMIE igualó o superó sistemáticamente la precisión diagnóstica de los médicos en seis especialidades médicas.
Superó a los médicos en 24 de los 26 criterios de calidad de la conversación, como la cortesía y la explicación de afecciones y tratamientos.
Alan Karthikesalingam, científico de investigación clínica de Google Health en Londres y coautor del estudio, señaló: "Que sepamos, es la primera vez que un sistema de IA conversacional se diseña de forma óptima para el diálogo diagnóstico y la elaboración del historial clínico."
Nos complace presentar AMIE (Articulate Medical Intelligence Explorer), nuestro LLM de investigación para conversaciones de diagnóstico. AMIE superó a los médicos de atención primaria en calidad de conversación y precisión diagnóstica en un estudio aleatorio de tipo "OSCE virtual". Preimpresión ➡️ https://t.co/XZizS9PtDG (1/7) pic.twitter.com/3t8hTkLmO9
- Alan Karthikesalingam (@alan_karthi) 12 de enero de 2024
Sin embargo, Karthikesalingam subraya que la AMIE sigue siendo experimental y no se ha probado con pacientes reales, sino sólo con actores que representan afecciones médicas ficticias pero verosímiles.
Cómo funcionó el estudio
El estudio titulado "Towards Conversational Diagnostic AI" presenta AMIE, un LLM diseñado para interacciones de diagnóstico médico.
Aquí tiene más información sobre cómo funciona:
- Desarrollo de AMIE: El Articulate Medical Intelligence Explorer (AMIE) es un sistema de IA basado en un Gran Modelo de Lenguaje (LLM) creado por Google. Está optimizado para el diálogo diagnóstico en contextos médicos. AMIE se diseñó para emular el complejo proceso de elaboración del historial clínico y el razonamiento diagnóstico.
- Formación en diálogo simulado: Los investigadores desarrollaron un novedoso entorno simulado de autoaprendizaje debido a la falta de conversaciones médicas reales para la formación. Esto permitió a los AMIE participar en diálogos simulados, desempeñando distintos papeles (paciente, médico, crítico) para mejorar el aprendizaje. Estos diálogos abarcaban diversas afecciones médicas, especialidades y contextos.
- Ajuste de las instrucciones y estrategia de la cadena de razonamiento: AMIE se sometió a un proceso de perfeccionamiento de las instrucciones utilizando varios conjuntos de datos del mundo real, incluidos datos de respuesta a preguntas médicas, razonamiento, resumen y diálogo. Una estrategia de razonamiento en cadena consistía en analizar la información del paciente, formular respuestas y acciones, y refinar las respuestas en función de la conversación en curso.
- Estudio de examen clínico objetivo estructurado a distancia (OSCE): Los investigadores llevaron a cabo un estudio aleatorizado, doble ciego y cruzado en el que se comparó AMIE con médicos de atención primaria (MAP). En este estudio se utilizaron consultas basadas en texto con 149 pacientes simulados representados por actores en diversos escenarios clínicos. Tanto los médicos especialistas como los pacientes actores evaluaron la actuación de AMIE y de los médicos de atención primaria.
- Evaluación y resultados: La evaluación se centró en la precisión diagnóstica, el razonamiento de gestión, las habilidades de comunicación y la empatía. Los AMIE demostraron un rendimiento superior al de los médicos de familia en varias áreas, como la precisión diagnóstica y la empatía.
Los investigadores advierten de que estos resultados deben interpretarse a la ligera por el momento, señalando las limitaciones del estudio, como el uso de una interfaz de chat de texto y la falta de interacciones con pacientes del mundo real.
Sin embargo, supone un avance hacia el desarrollo de sistemas de IA capaces de realizar entrevistas médicas y diálogos de diagnóstico.
La IA generativa en la atención sanitaria ha sido un área de enorme éxito, con modelos localizar nuevos antibióticos, mejorar las colonoscopiasy simulación de interacciones entre compuestos y procesos biológicos.
¿Podrían los modelos de IA adoptar ahora también funciones de cara al paciente?
