Dentro de los planes de Google para arreglar la atención médica con IA generativa

Jun 19, 2023

Google está ampliando el acceso de sus grandes modelos lingüísticos a sus clientes de atención sanitaria.

Al final de cada turno del hospital, la enfermera saliente tiene que informar rápidamente a la entrante sobre todos los pacientes bajo su cuidado. Este “traspaso” puede adoptar múltiples formas, incluidas conversaciones, notas escritas a mano y registros médicos electrónicos. "[Es] una parte arriesgada del recorrido de la atención médica, porque estamos transfiriendo información de un proveedor de atención médica a otro", dice Michael Schlosser, vicepresidente senior de transformación e innovación de la atención de HCA Healthcare. "Tenemos que asegurarnos de que se haga de manera precisa y que nada se pierda".

Schlosser y su equipo en HCA, con sede en Nashville (uno de los sistemas de salud más grandes del país con 180 hospitales y alrededor de 37 millones de pacientes al año), pensaron que esta transferencia de información podría ser una buena oportunidad para aplicar la inteligencia artificial generativa. Los modelos de lenguaje grandes son buenos para resumir y organizar datos. Pero cuando HCA buscó proveedores potenciales en el mercado, Schlosser dice que no pudieron encontrar ninguna empresa que creara soluciones para este problema de transferencia.

HCA tenía una asociación existente con Google Cloud, por lo que recurrieron al paquete de software de Google llamado Vertex AI, que ayuda a los clientes a crear e implementar modelos de aprendizaje automático. Google ofrece su propio modelo básico, conocido como PaLM, pero la plataforma es independiente del modelo, lo que significa que los clientes también pueden intercambiar y construir sobre GPT-4 de OpenAI, Llama de Facebook, Titan de Amazon o cualquier otro modelo de su elección.

En un intento por atraer más clientes de atención médica, Google también ha estado desarrollando un modelo de lenguaje grande específico para la atención médica. La compañía anunció el martes que lanzará la última versión, llamada Med-PaLM 2, a un mayor número de clientes en septiembre. HCA es uno de varios clientes de atención médica que ha tenido acceso temprano, junto con el gigante farmacéutico Bayer, la compañía de registros médicos electrónicos Meditech y las nuevas empresas de salud digital Infinitus Systems y Huma. Este renovado impulso a la atención sanitaria se produce en un momento en el que Microsoft y Amazon están haciendo sus propios avances en el sector impulsados ​​por la IA, y no está nada claro quién saldrá victorioso cuando se aclare el polvo.

"Todavía estamos a cinco minutos del maratón", dice el analista de Gartner Chirag Dekate sobre el panorama de la IA en el sector sanitario.

En 2021, Google disolvió su división independiente Google Health, pero dijo que los esfuerzos relacionados con la salud continuarían en toda la empresa. Sus recientes soluciones de IA en la industria están orientadas a resolver problemas fragmentados. Por ejemplo, Google lanzó herramientas de inteligencia artificial el año pasado para ayudar a las organizaciones de atención médica a leer, almacenar y etiquetar radiografías, resonancias magnéticas y otras imágenes médicas. A principios de este año, la compañía presentó herramientas de inteligencia artificial para ayudar a las aseguradoras de salud a acelerar la autorización previa.

El enfoque en los casos de uso es necesario debido a la propia tecnología de inteligencia artificial, dice Greg Corrado, jefe de inteligencia artificial para la salud en Google. A pesar de la exageración sobre los grandes modelos de lenguaje, dice que es "ingenuo" esperar que sean "capaces de hacer cualquier cosa de manera experta", y agrega que "en la práctica, estos sistemas siempre requieren la identificación de casos de uso específicos".

Cuando se trata de grandes modelos de lenguaje, Google ha estado poniéndose al día con OpenAI, la startup detrás del chatbot viral ChatGPT, que ha recibido una inversión de 10 mil millones de dólares de Microsoft. En 2022, Microsoft adquirió Nuance Communications por 18.800 millones de dólares, lo que le dio una importante posición para vender nuevos productos de inteligencia artificial a clientes hospitalarios, ya que 550.000 médicos ya utilizan el software de dictado médico de Nuance. "Nuance tiene una enorme huella en el sector sanitario", afirma Alex Lennox-Miller, analista de CB Insights, lo que sitúa a Microsoft "bien posicionado" para el uso de su software de IA generativa para tareas administrativas en el sector.

Antes del auge de la IA generativa, Amazon, Microsoft y Google competían por clientes de la nube. Con 48.100 millones de dólares en ingresos en la nube en 2022, Amazon posee alrededor del 40% de la cuota de mercado, según la firma de investigación de tecnología Gartner. Le sigue Microsoft con un 21,5%, mientras que Google ocupa el cuarto lugar detrás del Grupo Alibaba con más de 9.000 millones de dólares en ingresos en la nube y un 7,5% del mercado.

Tampoco sorprende que ahora todos estén tratando de dirigirse específicamente a los clientes de atención médica, una industria compleja y fuertemente regulada, dice Dekate. Dice que esto se debe a que si se pueden probar casos de uso en un entorno más complejo, como atención médica o servicios financieros, esto indica a otros clientes que la IA generativa está lista para una adopción más amplia.

Pero todavía no hay nadie allí. Lo que todas las empresas de la nube han presentado a los clientes son elementos básicos, afirma Dekate. Es decir, hay muchas formas de utilizar sus plataformas de inteligencia artificial en aplicaciones personalizadas que sus clientes deben crear. Pero lo que esos clientes quieren son soluciones completamente construidas.

"Amazon, Google y Microsoft están luchando por dominar las alturas dominantes de la economía generativa de la IA", dice Dekate. "Pero ninguno de ellos ha articulado una historia vertical suficientemente buena".

Debido a que la atención médica está tan altamente regulada y las consecuencias de los errores son altas, los casos de uso de IA generativa deben comenzar siendo muy pequeños. Para HCA, eso significa que un hospital, UCF Lake Nona, está actualmente poniendo a prueba la herramienta de transferencia como prueba de concepto. La IA ingiere datos del paciente de las últimas 12 horas, incluidos resultados de laboratorio, medicación, eventos importantes, y genera un resumen de la transferencia, que también incluye sugerencias sobre lo que la enfermera entrante debería pensar en las próximas 12 horas, dice Schlosser.

Si bien está construido con el software Vertex AI de Google, HCA ha estado experimentando con diferentes modelos básicos, incluidos PaLM y Med-PaLM. "En realidad, estamos haciendo muchas pruebas directas en este momento para ver dónde funciona mejor el modelo genérico y dónde un modelo médico capacitado proporciona más precisión y mejores resultados", dice Schlosser. "Me imagino que ambos tendrán roles importantes en el futuro que estamos tratando de crear".

La idea de utilizar múltiples modelos para resolver un problema complejo, conocido como inteligencia artificial "compuesta", presenta un desafío interesante para los proveedores de la nube, dice Dekate. Al mismo tiempo ofrecen sus propios modelos internos pero también se asocian con otras empresas para ofrecer "la promesa de elección", dice. Dekate espera que cada vez más comencemos a ver a Google, Microsoft y Amazon ofrecer servicios para ayudar a los clientes a evaluar diferentes modelos. Schlosser dice que hasta ahora HCA ha adoptado un enfoque manual para la evaluación haciendo que médicos y enfermeras evalúen los resultados del modelo en relación con lo que haría el equipo humano en una comparación lado a lado.

Corrado dice que, según los últimos avances actuales, los modelos de IA generativa pueden compararse con “un asistente entusiasta y estudioso que se esfuerza mucho por hacer un buen trabajo”. Y deberías ver el resultado de manera crítica, como un borrador y decir: Bueno, bueno, ¿qué te perdiste? ¿En qué te equivocaste?

OpenAI ha adoptado la opinión de que cuanto más grande, mejor en lo que respecta a la cantidad de datos con los que se entrena el modelo. Su modelo GPT-3, que fue entrenado en Internet abierto, tenía alrededor de 175 mil millones de parámetros y se cree que la última versión, GPT-4, tiene más de 1 billón de parámetros (aunque la compañía no ha confirmado públicamente la cantidad total). Google dice que los modelos PaLM y Med-PaLM más grandes tienen 540 mil millones de parámetros. La compañía declinó hacer comentarios sobre el tamaño de PaLM 2.

Pero a medida que los modelos se entrenan con más y más datos, pueden surgir problemas de rendimiento. En julio, un grupo de investigadores de Stanford y UC Berkeley dijeron que sus pruebas sugerían que el rendimiento de GPT-4 había sufrido cierta degradación con el tiempo, haciéndose eco de informes anecdóticos que se pueden ver en foros de desarrolladores. Aunque este fue un hallazgo preliminar y los investigadores todavía están aprendiendo cómo funcionan los modelos de IA generativa, esto genera cierta preocupación, especialmente porque no está del todo claro cómo estos sistemas de IA llegan a sus respuestas. "Uno de los mayores problemas de estos algoritmos en el ámbito sanitario será la dificultad que tendrán con la transparencia", afirma Lennox-Miller.

Corrado dice que estas preocupaciones son precisamente la razón por la que Google está experimentando con modelos LLM de nicho que se entrenan en conjuntos de datos más limitados. Sin adaptar los modelos a casos de uso específicos, como la atención sanitaria, afirma, “se corre el riesgo de tener simplemente una navaja suiza, que no es la mejor navaja ni el mejor destornillador. Y tampoco es el mejor palillo. Y creemos que es mejor, particularmente en estos entornos de alto valor, realizar una adaptación del dominio, comprender cuál es el caso de uso y tener el mismo tipo de evaluación de calidad rigurosa y control de versiones que se esperaría de un producto real”.

Otro desafío para la mayoría de los modelos de lenguaje grandes es que no están aprendiendo constantemente. Por lo general, tienen una fecha límite para sus datos de entrenamiento. Por ejemplo, la versión gratuita de ChatGPT se entrenó con datos hasta septiembre de 2021. Pero el conocimiento en atención médica siempre avanza, por lo que los médicos que usan estas herramientas deben tener una buena idea de qué tan recientes son los datos con los que están trabajando. Corrado dice que Google todavía está decidiendo cuál será el límite, pero que se comunicará a los clientes. "No dependemos de estos sistemas para saber todo sobre la práctica de la medicina", dice Corrado.

En los hospitales del futuro, Schlosser imagina un “asistente de IA para el equipo de atención” que, en su opinión, tendrá “un poder asombroso para reducir la carga administrativa”. HCA también ha estado trabajando con Google y la empresa de inteligencia artificial ambiental que cotiza en bolsa Augmedix para automatizar la toma de notas médicas en la sala de emergencias. Schlosser afirma que alrededor de 75 médicos de 4 hospitales de HCA están utilizando esta tecnología. El “santo grial” para los médicos, afirma, es que podrían centrarse en brindar atención a los pacientes y “la documentación se solucionaría sola”. La razón por la que comienzan en la sala de emergencias es porque es uno de los lugares más complicados para demostrar que la tecnología realmente funciona.

Cuando se trata de utilizar la herramienta de Augmedix, el médico pide directamente al paciente su consentimiento para registrar el examen y utilizar una herramienta de inteligencia artificial para tomar notas, afirma Schlosser. Para la herramienta de transferencia de enfermeras, que no está orientada al paciente, se incluye en el consentimiento de privacidad más amplio de HCA en cuanto al uso de datos de pacientes para investigación y mejora de procesos, afirma. HCA también está trabajando en el uso de IA generativa para los resúmenes de alta de la sala de emergencias, así como para los traspasos de la sala de emergencias a los pacientes hospitalizados. Schlosser dice que mientras HCA piensa en ampliar el uso de la IA con fines administrativos, la empresa tendrá que considerar "la forma correcta de que todos los pacientes sepan que una IA es parte de un proceso de prestación de atención".

El consentimiento y la privacidad son preocupaciones importantes en torno al uso de la IA en la atención médica y Google generó una controversia significativa con una asociación anterior con el sistema hospitalario Ascension que utilizaba la IA para analizar millones de registros médicos. En 2019, los informes sobre el “Proyecto Nightingale” de la empresa plantearon preocupaciones sobre la privacidad y la seguridad de los datos. Tanto Google como Ascension dijeron que el trabajo cumplía con las leyes federales de privacidad del paciente.

En el caso de PaLM y Med-PaLM, Google dice que ninguno de los modelos está siendo entrenado con datos de pacientes en HCA o cualquier otro cliente. "Los datos de HCA son datos de HCA y de nadie más", le dice a Forbes el CEO de Google Cloud, Thomas Kurian. “Piense en ello como una bóveda en nuestra nube que solo se usa para entrenar la versión del modelo que están usando. No se comparte con nadie más. Ninguno de esos datos se utiliza para mejorar nuestro modelo base”.

A pesar de los desafíos que enfrenta la IA generativa, desde las capacidades técnicas hasta las preocupaciones sobre la privacidad y los datos, Schlosser es optimista en cuanto a que las herramientas basadas en tecnología se convertirán en parte del conjunto de herramientas estándar para los médicos. HCA está adoptando un enfoque lento basado en aliviar algunas de las cargas de su trabajo diario, dice, porque cree que una vez que los médicos comiencen a adoptar la IA, estarán en condiciones de guiar la mejor manera de usarla para aplicaciones más complicadas.

"Quiero que los médicos adopten plenamente la IA como un socio que les hace la vida más fácil, antes de empezar a adentrarnos en algunas de esas áreas más controvertidas", afirma.