LLMs e IA Generativa para la Sanidad

Introducción

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Por qué escribimos este libro

En una nueva era de tecnologías que cambiarán la sociedad y la vida humana, la nueva sinergia entre la IA y la asistencia sanitaria emerge gradualmente con nuevas posibilidades. LLM y la IA Generativa para la Asistencia Sanitaria: La Próxima Frontera explora cómo puede ser el futuro de la asistencia sanitaria con la concienciación pública y las capacidades revolucionarias de los grandes modelos lingüísticos de IA (LLM) y la IA generativa.

Entendemos que se han hecho muchas promesas sobre el futuro de la IA en la sanidad¹ que no se han cumplido. Siguen existiendo retos para conseguir que la IA sea realmente transformadora para la atención sanitaria, pero no se pueden negar las repercusiones positivas de la IA en la atención sanitaria.² Como autores e ingenieros de software, hemos construido y visto la aplicación de diversos aspectos de la IA en la atención sanitaria, que incluyen el aprendizaje automático, el aprendizaje profundo, la visión por ordenador y el procesamiento del lenguaje natural. Este libro trata de un futuro que creemos que se hará plenamente realidad en un plazo de cinco a siete años, con repercusiones transformadoras para la asistencia sanitaria.

No se trata de un libro blanco técnico, sino más bien de un manual no técnico o guía de visión sobre lo que es posible utilizando las capacidades de los LLM. Describe varios casos de uso sanitario que son posibles pero que aún no se han desarrollado. Los LLM permiten que muchas tareas sanitarias difíciles y lentas sean más fáciles, rápidas e incluso automáticas. El futuro de los LLM no consiste en seguir automatizando la mayoría de las tareas triviales, sino en abordar con el tiempo los grandes retos para que la asistencia sanitaria funcione para todos y sea más eficiente, más personalizada y, sencillamente, mejor. Ésta es una visión de lo que es posible en la asistencia sanitaria utilizando IA y LLM, pero no es una guía sobre cómo construir estas futuras soluciones LLM.

Aquí no hay recetas para el desarrollo de LLM. Se trata de una guía para empresas sanitarias, organizaciones, emprendedores y profesionales de la salud sobre la comprensión y aplicación de los LLM mediante la representación de múltiples casos de uso. El mundo de los datos sanitarios es el tipo de problema más complicado para la ciencia de datos. Las consultas son muy difíciles, se requiere experiencia para muchos casos de uso únicos, la información crítica puede perderse fácilmente, o las búsquedas de datos médicos de pacientes pueden ser como encontrar una aguja en un pajar.

Los modelos lingüísticos específicos para medicina como Med-PaLM y los modelos lingüísticos de uso general evolucionarán probablemente de forma significativa en los próximos dos años, transformando potencialmente sus capacidades y aplicaciones en entornos clínicos. Ahora es el momento de comprender y empezar a crear aplicaciones y aplicaciones basadas en LLM para pacientes, consumidores y médicos. Este viaje no es fácil. Existen varios retos y también importantes cuestiones éticas. ¿Deben los LLM interferir en la sagrada relación médico-paciente, o deben mejorar la comunicación y los resultados?

Si resolvemos estos retos, se podrán salvar millones de vidas con la utilización de aplicaciones LLM médicas, transformando la asistencia sanitaria en todo el mundo. Necesitamos aplicaciones LLM mejores y más afinadas para la sanidad, con modalidades de búsqueda y conversación que estén ampliamente controladas en cuanto a calidad en el mundo real con un uso clínico real. El potencial de los LLM en sanidad es ilimitado. Ofrecen una oportunidad única para mejorar por fin la salud humana e inaugurar una nueva era en la prestación de asistencia sanitaria. Te invitamos a que te unas a nosotros para imaginar cómo serán los productos y soluciones reales de IA en un futuro próximo.

Hay muchas historias que inspiraron este libro. Una de ellas es la de una joven familia que iba a tener su primer hijo y, como todas esas familias, estaban entusiasmados. Su obstetra tenía bastante experiencia, pero era un desconocido para la joven pareja. El abdomen del bebé estaba hinchado debido a una enfermedad congénita llamada hidropesía. Era un desastre potencial para el parto. Como era de esperar, el bebé se quedó atascado en el canal del parto. Esta historia nos la contó el abogado que representaba a la familia y llevaba un caso contra la obstetra y su empleador, un gran proveedor de servicios sanitarios.

El obstetra del proveedor sabía o debería haber sabido que una cesárea sería una opción infinitamente más segura, pero siguió adelante con un parto vaginal. El obstetra no informó a los padres de las opciones ni les notificó los riesgos. En el momento del parto, el obstetra planteó una situación de vida o muerte tanto para la madre como para el bebé. Los segundos importaban. El obstetra sacó al bebé del canal del parto utilizando fórceps por la cabeza, con lo que le rompió el cuello, el hombro y los brazos. El bebé quedó tetrapléjico parcial con lesiones cerebrales. Se interpuso una demanda en la que se describía una letanía de errores médicos y conducta indebida tanto del proveedor como de su obstetra.

El proveedor que empleó al obstetra fue acusado de no fomentar una cultura de atención centrada en el paciente, que promueva la comunicación y respete las ideas del paciente sobre sus opciones de tratamiento. No se trata de una historia aislada en la asistencia sanitaria, y podemos hacerlo mejor.

Hay muchas formas de que un chatbot impulsado por un LLM pudiera haber ayudado a los padres. El hipotético chatbot LLM de la navaja suiza médica que se adelantó en el Capítulo 1 podría ser entrenado para buscar en sitios de críticas médicas como Healthgrades, Vitals y RateMDs, así como en redes sociales como Yelp, y luego podría recuperar y procesar las críticas que contuvieran el nombre del obstetra en cuestión. Raspar y parafrasear los malos comentarios escritos por antiguos pacientes molestos sería rápido y fácil.

El LLM podría utilizar un método de análisis de sentimientos para asignar automáticamente los casos revisados a positivos, negativos o neutros. Dar a los padres una medida de su satisfacción con el obstetra les permitiría utilizar su propio criterio a la hora de elegir un proveedor de atención especializada. El LLM podría escuchar las conversaciones entre los padres y el obstetra, e informar a los padres cuando no se siguieran las directrices clínicas. La aplicación Medical Sherpa, un chatbot, funcionaría como acompañante de los padres, tanto para escuchar sus preocupaciones como para hacer recomendaciones. No se trataría de recomendaciones clínicas, sino de asegurarse de que los padres hacen las preguntas adecuadas y de que el obstetra les escucha.

Una historia más. Gerry, diminutivo de Geraldine, es una mujer afroamericana que cumplió 93 años en 2024. Tiene hipertensión y diabetes de tipo 2. Gerry toma dos pastillas cada mañana: una es una fórmula de liberación prolongada de Metformina (MXR), recetada para los diabéticos, y la segunda es para su hipertensión crónica. Gerry confía en su médico de cabecera, pero tiene la sensación de que éste no la conoce realmente. No cree que el plan de tratamiento que tiene para ella explique cómo está respondiendo.

Un fin de semana, está hablando con su primo, que es técnico (no es médico, pero tiene experiencia con la IA). Gerry le explica que se olvidó de tomar una dosis de uno de los medicamentos y notó que la hinchazón que había estado experimentando había disminuido. Se pregunta si uno de los medicamentos le está provocando la hinchazón y si debería dejar de tomarlo o cambiar la dosis. Su prima le responde amablemente "Bien, Gerry, como sabes, no soy médico de ningún tipo y, por tanto, mi recomendación para ti en este momento es que consultes con tu médico de cabecera antes de hacer ningún cambio en tu plan de tratamiento."

Sin embargo, la prima de Gerry se da cuenta de que su pregunta no encaja bien con una consulta típica en un motor de búsqueda que Gerry podría utilizar, y se pregunta si un chatbot LLM podría haber sido útil en este escenario. El uso de este chatbot conversacional centrado en la medicina podría haber proporcionado a Gerry una respuesta más personalizada y adecuada al contexto a sus preguntas sobre la adherencia a la medicación. Por ejemplo, un LLM podría proporcionar información general sobre la importancia del cumplimiento de los regímenes prescritos y los riesgos potenciales de interrumpir la medicación sin supervisión médica. Un chatbot de este tipo también podría ayudar a Gerry a formular preguntas a su médico en su próxima cita, y ayudarla a defender sus necesidades sanitarias. Por supuesto, un chatbot LLM nunca debería sustituir la atención y la experiencia que un médico proporciona a Gerry, pero podría actuar como complemento de esa atención experta, proporcionándole una herramienta de apoyo para ayudarla a abordar las cuestiones de salud.

Los pacientes y los consumidores necesitan ayuda para navegar por la asistencia sanitaria por varias razones. En los Capítulos 3, 4 y 5 presentamos varios casos de uso de los LLM que harán que la asistencia sanitaria sea más personalizada y constituirán una ayuda tanto para los médicos como para los pacientes y los consumidores. Este libro espera conseguir que los profesionales del sector sanitario piensen en el arte de lo que es posible utilizando la IA y los LLM.

A quién va dirigido este libro

Este libro se dirige a un público diverso que anhela liberar el potencial de la IA en la asistencia sanitaria. Sus páginas ofrecen ideas para lo siguiente:

Médicos y clínicos

Aprende cómo los diagnósticos impulsados por IA iluminan patrones ocultos, permitiendo intervenciones tempranas y planes de tratamiento personalizados. Descubre cómo la IA generativa te ayuda a crear terapias específicas para cada paciente y permite una colaboración más profunda con tus colegas de IA.

Médicos jefes

Comprender las capacidades únicas de los LLM y la IA generativa para la asistencia sanitaria. Profundiza en varios casos de uso para la atención al paciente y la toma de decisiones de los médicos y la automatización de los procesos empresariales.

Directores de tecnología

Las empresas sanitarias y de ciencias de la vida se enfrentan a un sinfín de retos, por lo que es esencial que el director de tecnología adopte la tecnología para satisfacer las necesidades de los pacientes y, en última instancia, transformar la prestación de cuidados.

Líderes clínicos

Conoce las capacidades presentes y futuras de los LLM y aprende sobre la IA generativa. Comprende cómo los LLM transformarán la asistencia sanitaria para los médicos, los pacientes y las organizaciones sanitarias.

Investigadores médicos

Sumérgete en el mundo de los LLM y la IA generativa para alimentar tu investigación con una comprensión de los casos de uso emergentes. Explora las consideraciones éticas de la implementación de la IA en los ensayos clínicos.

Éticos

Navegar por el complejo panorama ético de la IA en la asistencia sanitaria, y lidiar con cuestiones de privacidad de datos, equidad algorítmica y posibles sesgos. Contribuir a los marcos y directrices para el desarrollo y la implementación responsables de las herramientas de IA.

Estudiantes

Este libro es tu portal al futuro de la asistencia sanitaria. Adquiere una base sólida en los principios de la LLM y la IA generativa y explora su potencial para revolucionar el diagnóstico, el tratamiento y la investigación. Déjate inspirar por diversas trayectorias profesionales en la intersección de la medicina y la tecnología.

Tanto si eres un profesional experimentado como un estudiante curioso, este libro te ofrece un apasionante viaje al futuro de la asistencia sanitaria, donde la experiencia humana y la inteligencia artificial convergen para curar, capacitar y transformar.

Cómo está organizado este libro

El contenido de este libro se estructura en siete capítulos y se organiza de la siguiente manera: refleja las características distintivas de los LLM y otros modelos de IA generativa en la asistencia sanitaria y su potencial, así como sus retos y aplicaciones.

Capítulo 1: La bolsa negra del médico

Este capítulo explora el potencial de los LLM y la IA generativa en la asistencia sanitaria, ofreciendo una visión general de la promesa de los LLM y su uso en la asistencia sanitaria. Además de describir las posibilidades futuras de los LLM, este capítulo presenta los retos que plantea el uso de los LLM en la asistencia sanitaria.

Capítulo 2: Asomarse a la caja negra de la IA

Aquí, los lectores conocerán la anatomía de un LLM y cómo funcionan los LLM. En lugar de amorfizar los LLM, este capítulo ayuda al lector a comprender la arquitectura y el funcionamiento básico de cómo funcionan y generan contenido los LLM.

Capítulo 3: Más allá de las batas blancas

Este capítulo examina cómo pueden utilizarse los LLM y la IA generativa para automatizar más tareas en la asistencia sanitaria. Examina las áreas en las que puede aplicarse esta tecnología para mejorar las operaciones y la atención al paciente.

Capítulo 4: El LLM y el potencial clínico y para pacientes de la IA Generativa

En este capítulo, exploramos cómo la IA generativa puede elevar la experiencia del paciente y repercutir en la toma de decisiones clínicas: conserjes bots de salud; notas y visitas médicas; asistentes de planes de salud; aplicación para preocupaciones sanitarias comunes, como la salud materna negra; recordatorios de medicación; e incluso salud bucodental. Más allá de las preocupaciones sanitarias comunes, exploraremos las herramientas de apoyo a la toma de decisiones clínicas, los bots de perspicacia clínica y los médicos de acera con IA. Tampoco podemos olvidarnos del monitoreo remoto de pacientes, los gemelos digitales, las cartas médicas totalmente automatizadas y el papel de la IA generativa en la equidad sanitaria.

Capítulo 5: LLMs en I+D farmacéutica, salud pública y más allá

Este capítulo presenta la utilización de los LLM en el descubrimiento de fármacos, el diseño y análisis de ensayos clínicos y la investigación genómica. En concreto, analizamos las diversas aplicaciones de los LLM en la investigación y el desarrollo farmacéuticos, así como en la salud pública y la genómica, y profundizamos en sus ventajas y potencialidades.

Capítulo 6: Dirigir el timón para un uso ético de los LLM

Este capítulo se centra en la cuestión de cómo los LLM utilizados en la asistencia sanitaria pueden desarrollarse de forma responsable y diseñarse para maximizar el impacto positivo. Comienza con un debate sobre lo que entendemos por un "imaginario positivo de la IA" y pasa a describir las consideraciones éticas que rodean a los LLM, como la parcialidad, la privacidad y el riesgo de usos ilícitos. También analiza algunas estrategias para abordar estas cuestiones (por ejemplo, el monitoreo del comportamiento de los LLM, la seguridad y protección de la privacidad, las políticas para permitir usos éticos de los LLM, etc.). Discute el "Problema de la IA y el clip" (es decir, la alineación), que afirma que debemos asegurarnos de que los objetivos de la IA están alineados con los objetivos humanos.

Capítulo 7: Los objetos están más cerca de lo que parecen

El último capítulo ofrece una ojeada al futuro de los LLM, incluido un debate sobre la singularidad y el potencial de evolución de la AGI. La sección final se titula "Susurros del mañana", que ofrece cinco predicciones sobre los LLM del futuro y cómo podrían afectar a nuestra asistencia sanitaria y a la sociedad. A través de esta variada colección de casos, el libro proporciona una visión holística de la realidad actual y de las oportunidades futuras de los LLM y la IA generativa en la asistencia sanitaria, dotando al lector de los conocimientos y perspectivas necesarios para navegar por las implicaciones éticas, técnicas y sociales de estas tecnologías de rápido surgimiento. Tras leer estos siete capítulos, los lectores comprenderán la posibilidad, los problemas y la ética del uso de los LLM y la IA generativa en la asistencia sanitaria. Se espera que la secuenciación de los capítulos guíe al lector para que comprenda en detalle cómo estas herramientas, si se utilizan de forma inteligente, pueden transformar la prestación de asistencia sanitaria y mejorar los resultados para los pacientes.

Aprendizaje en línea O'Reilly

Nota

Durante más de 40 años, O'Reilly Media ha proporcionado formación tecnológica y empresarial, conocimientos y perspectivas para ayudar a las empresas a alcanzar el éxito.

Nuestra red única de expertos e innovadores comparten sus conocimientos y experiencia a través de libros, artículos y nuestra plataforma de aprendizaje online. La plataforma de aprendizaje en línea de O'Reilly te ofrece acceso bajo demanda a cursos de formación en directo, rutas de aprendizaje en profundidad, entornos de codificación interactivos y una amplia colección de textos y vídeos de O'Reilly y de más de 200 editoriales. Para más información, visita https://oreilly.com.

Cómo contactar con nosotros

Dirige tus comentarios y preguntas sobre este libro a la editorial:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Norte
• Sebastopol, CA 95472
• 800-889-8969 (en Estados Unidos o Canadá)
• 707-827-7019 (internacional o local)
• 707-829-0104 (fax)
• [e-mail]
• https://www.oreilly.com/about/contact.html

Tenemos una página web para este libro, donde enumeramos erratas, ejemplos y cualquier información adicional. Puedes acceder a esta página en https://oreil.ly/llms-gen-ai-healthcare.

Para obtener noticias e información sobre nuestros libros y cursos, visita https://oreilly.com.

Encuéntranos en LinkedIn: https://linkedin.com/company/oreilly-media.

Míranos en YouTube: https://youtube.com/oreillymedia.

Agradecimientos

Nos gustaría expresar nuestra profunda gratitud a los numerosos colegas y mentores que han conformado nuestra comprensión y perspectivas sobre la asistencia sanitaria y la IA a lo largo de nuestras carreras. Nuestras experiencias en Google, IBM, Optum y Johnson & Johnson han tenido un valor incalculable, ya que nos han proporcionado diversas perspectivas y oportunidades de crecimiento. La sabiduría colectiva y el espíritu innovador de estas organizaciones y de las personas que las componen han sido fundamentales para la formación de las ideas presentadas en este trabajo.

Kerrie Holley

Ante todo, me gustaría expresar mi más profunda gratitud a mi amada esposa, Melodie Holley. Su apoyo inquebrantable, su amor y su aliento han sido los cimientos de mi vida y mi carrera. Su paciencia y comprensión durante las largas horas dedicadas a investigar y escribir este libro han sido inestimables. Soy verdaderamente afortunado de tenerte a mi lado.

Kier y Hugo, sois la encarnación viva de todos los rasgos que podría haber imaginado y deseado en mis hijos. Vuestra presencia en mi vida es un regalo sin igual, y os estaré eternamente agradecida por la alegría, el amor y la inspiración que traéis a mi mundo cada día.

Reece, como padre orgulloso y mientras te encuentras en el precipicio de tu último año, me encuentro lleno de un abrumador sentimiento de orgullo y admiración por el joven en el que te has convertido. Me emociona ser testigo del increíble viaje que te espera.

Aliya, mi hija favorita, me aportas alegría y felicidad cada día y en los momentos que compartimos. Me encantan nuestras actividades diarias a la hora de dormir y tu alma vieja, intelecto, espíritu afín y dulce naturaleza.

Estoy profundamente agradecido a Julie Zhu, de UnitedHealth Group, por su inestimable orientación en la aplicación del aprendizaje automático a la atención sanitaria, que ha moldeado profundamente mi forma de pensar. Su experiencia me abrió los ojos al potencial transformador del aprendizaje profundo y la IA en medicina. Extiendo mi más sincero agradecimiento a Dominik Dahlem, PhD, por desafiar mis perspectivas y ampliar mis horizontes en IA, especialmente en MLOps. Sus ideas sobre cómo tratar el aprendizaje automático como una disciplina de software, integrando las buenas prácticas del ML y la ingeniería de software, han sido fundamentales para abordar los complejos retos de la atención sanitaria. Agradezco la atenta revisión del CTO de IA de Rackspace, Ram Viswanathan. También doy las gracias a Rick Hamilton, un increíble inventor y ejecutivo tecnológico, por su perspicaz revisión del manuscrito.

Manish Mathur

Me gustaría expresar mi más sincera gratitud a mis padres, el Dr. P. B. Mathur y la Sra. Asha Mathur, cuya inquebrantable inspiración y orientación han sido la fuerza motriz de mi búsqueda de la excelencia. Mi padre, el Dr. P. B. Mathur, que ahora descansa en la morada celestial, ha otorgado sus bendiciones a este empeño, y confío en que siga velando por mí con orgullo. Mi madre, la Sra. Asha Mathur, sigue siendo una fuente constante de bendiciones y sabiduría, guiándome por el camino de la vida con sus maneras únicas e inestimables.

Además, hago extensivo mi más profundo agradecimiento a las luces de mi vida, mis hijos Abhyuday y Kush, cuyas encantadoras aspiraciones me motivan continuamente a esforzarme por alcanzar cotas más altas cada día. Su presencia es un recordatorio constante de que debo encarnar los valores de la perseverancia y la dedicación, y me inspiran a ser mejor persona por su bien y por el bien de la sociedad.

Kerrie y Manish

También queremos dar las gracias a los colegas, mentores y amigos que nos han apoyado a lo largo de este viaje. Vuestras ideas, comentarios y colaboración han sido inestimables para dar forma a las ideas y conceptos presentados en este libro.

Nos gustaría dar las gracias a Angela Rufino, editora de desarrollo de contenidos de O'Reilly, por guiarnos a través del proceso de autor y por sus perspicaces comentarios y ediciones. También damos las gracias a Adam Lawrence por su excepcional corrección.

Por último, gracias a ti, lector, por dedicar tu tiempo a las ideas y perspectivas presentadas en este libro. Esperamos sinceramente que los conocimientos y perspectivas compartidos en estas páginas contribuyan a la conversación en curso sobre el papel de los LLM y la IA generativa en la asistencia sanitaria y más allá.

¹ Liz Szabo, "¿Son exageradas las reclamaciones sanitarias sobre la inteligencia artificial?" PBS News, 30 de diciembre de 2019, https://www.pbs.org/newshour/health/are-health-care-claims-overblown-about-artificial-intelligence.

² "Revolucionando la asistencia sanitaria: ¿Cómo se utiliza la IA en el sector sanitario?" Lost Angeles Pacific University, 21 de diciembre de 2023, https://www.lapu.edu/ai-health-care-industry.