Lista de Modelos de Inteligencia Artificial para el Campo Médico (2023)
Lista de Modelos de Inteligencia Artificial en el Campo Médico para el Año 2023
Dado el número de avances que ha hecho la inteligencia artificial (IA) en este año, no es de sorprender que haya sido un punto importante de discusión a lo largo de 2023. Ahora la IA se ha vuelto útil en casi todos los ámbitos, y una de sus aplicaciones emocionantes y útiles es en el cuidado de la salud y la medicina. Desde el descubrimiento de medicamentos hasta la transcripción de documentos médicos e incluso la asistencia en cirugías, está transformando la vida de los profesionales médicos e incluso ayuda a reducir errores y mejorar su eficiencia. Este artículo discute algunos modelos de IA de 2023 que tienen la capacidad de transformar el panorama médico.
Med-PaLM 2
Med-PaLM ha sido diseñado por Google Research para el ámbito médico y es capaz de dar respuestas de alta calidad a preguntas médicas. El modelo aprovecha la potencia de los LLM de Google y es uno de los primeros modelos en lograr un nivel de experto humano al responder preguntas al estilo del USMLE. Al ser evaluado, el modelo demostró la capacidad de comprender síntomas, realizar un razonamiento complejo y elegir el tratamiento adecuado. Además, logró una precisión del 86.5% en el benchmark del examen médico MedQA en la investigación. Aunque muestra capacidades prometedoras, los investigadores desean realizar evaluaciones más rigurosas para asegurarse de que el modelo pueda implementarse en dominios críticos para la seguridad.
Bioformer
Bioformer es una versión compacta de BERT que se puede utilizar para la minería de textos biomédicos. Aunque BERT ha logrado un rendimiento de vanguardia en aplicaciones de procesamiento del lenguaje natural, sus parámetros podrían reducirse con un impacto menor en el rendimiento para mejorar su eficiencia computacional. Los investigadores de Bioformer han adoptado este enfoque para desarrollar un modelo cuyo tamaño es significativamente menor que el de BERT (un 60% menos). El modelo fue entrenado con resúmenes de PubMed y artículos completos de PubMed Central, y utiliza un vocabulario biomédico. Los investigadores han lanzado dos versiones del modelo: Bioformer8L y Bioformer16L, y ambos funcionaron bien incluso con menos parámetros al ser evaluados en tareas como reconocimiento de entidades nombradas, extracción de relaciones, respuesta a preguntas y clasificación de documentos.
- Investigadores de EPFL y Apple hacen de código abierto 4M Un marco de inteligencia artificial para entrenar modelos de base multimodales en decenas de modalidades y tareas
- Algoritmos de aprendizaje automático y GAN
- Práctica de LangChain para el desarrollo de aplicaciones de LLM Carga de documentos
MedLM
MedLM es un conjunto de modelos fundamentales desarrollados por Google que han sido ajustados para casos de uso en el cuidado de la salud. Dos modelos dentro de MedLM han sido diseñados para abordar tareas complejas y escalar en diversas tareas. El propósito principal de estos modelos es automatizar tareas para ahorrar tiempo, aumentar la eficiencia y mejorar la salud general del paciente, y los investigadores de Google han colaborado con Deloitte para probar las capacidades de MedLM. MedLM también se ha integrado con otros sistemas de IA como ASCEND de BenchSci para mejorar la calidad y velocidad de la investigación clínica y el desarrollo.
RoseTTAFold
RoseTTAFold es un software impulsado por el aprendizaje profundo que predice la estructura de proteínas con base en información limitada. Es capaz de estudiar el patrón en secuencias de proteínas, la interacción de los aminoácidos de las proteínas y su estructura 3D. El modelo permite a los investigadores modelar la forma en que las proteínas y los fármacos de pequeñas moléculas interactúan entre sí, lo que facilita la investigación de descubrimiento de medicamentos. Los investigadores del modelo también han hecho público su código para beneficiar a toda la comunidad.
AlphaFold
AlphaFold es un potente modelo de IA desarrollado por DeepMind que puede predecir la estructura 3D de una proteína a partir de su secuencia de aminoácidos. DeepMind se ha asociado con el European Bioinformatics Institute (EMBL-EBI) de EMBL para lanzar una base de datos que contiene más de 200 millones de predicciones de estructuras proteicas generadas por IA para facilitar la investigación científica. En CASP14, AlphaFold superó a los demás modelos por un margen significativo, produciendo resultados con alta precisión. Además, tiene el potencial de ayudar a los investigadores a comprender mejor las estructuras de proteínas y avanzar en la investigación biológica.
ChatGLM-6B
ChatGLM es un modelo bilingüe (chino-inglés) que ha sido afinado en una base de datos de diálogos médicos en chino. El modelo se afinó en un corto período de tiempo (13 horas), lo que lo convierte en un LLM de atención médica muy asequible. El modelo también tiene una longitud de secuencia más larga, lo que le permite soportar conversaciones y aplicaciones más largas. El modelo ha sido entrenado utilizando técnicas como el ajuste fino supervisado, RLHF, etc., lo que le permite entender mejor las instrucciones humanas. Como resultado, el modelo tiene excelentes capacidades de diálogo y respuesta a preguntas.
La publicación Lista de Modelos de Inteligencia Artificial para el Paisaje Médico (2023) apareció primero en MarkTechPost.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- ¡Atención inmediata! Principios subyacentes explicados
- Investigadores de Stanford aprovechan el aprendizaje profundo con GLOW e IVES para transformar el acoplamiento molecular y la predicción de la posición de unión del ligando
- Técnicas avanzadas de RAG una visión general ilustrada
- ¿Cómo usar Github? Guía paso a paso
- Upstage presenta Solar-10.7B modelos de lenguaje grandes pioneros con escalado en profundidad y precisión ajustada para conversaciones de un solo turno
- Kinara presenta el procesador Ara-2 revolucionando el procesamiento de IA en dispositivos para un rendimiento mejorado
- ¡Vamos a explorar el aprendizaje por transferencia…