El cuidado de la salud se ha señalado como un candidato principal para más aplicaciones de IA, tanto para ayudar en el trabajo clínico como para aligerar algunas de las cargas administrativas que consumen más tiempo que surgen en torno a la atención clínica. Ahora, Nablala startup de salud digital de París cofundada por el empresario de inteligencia artificial Alexandre Lebrun, afirma ser la primera en crear una herramienta que utiliza GPT-3 para ayudar a los médicos a hacer su trabajo, más específicamente, su papeleo.
Copilot, como se llama el nuevo servicio de Nabla, se lanza hoy como un asistente digital para médicos al que se accedió inicialmente como un extensión de cromo para ayudar a transcribir y reutilizar la información de las conversaciones en video, con planes para lanzar una herramienta de consulta en persona en unas pocas semanas.
Siguiendo a los médicos cuando ven a los pacientes, Copilot traduce automáticamente esas conversaciones a diferentes puntos finales basados en documentos, por ejemplo, recetas, cartas de citas de seguimiento, resúmenes de consultas, que generalmente resultan de esas reuniones. se basa en GPT-3el modelo de lenguaje construido por OpenAI que se utiliza para generar texto humano, que está impulsando cientos de aplicaciones, incluido ChatGPT del mismo OpenAI.
Nabla fue una de las primeras empresas experimentar con GPT-3 cuando se lanzó en 2020. Si bien Nabla actualmente usa GPT-3 (como cliente de pago) como base de Copilot, Lebrun me dice que el objetivo a largo plazo, que se acerca rápidamente, es construir su propio modelo de lenguaje grande personalizado para el idioma particular y las necesidades en medicina y atención médica, para potenciar Copilot, cualquier otra cosa que Nabla construya en el futuro y aplicaciones potenciales para otros también.
La versión inicial ya tiene algo de tracción, dice la startup: está en uso por parte de profesionales en los EE. UU. y Francia, así como alrededor de 20 clínicas digitales y presenciales “con importantes equipos médicos”.
El jurado aún está deliberando sobre qué usos a gran escala y a largo plazo veremos para las tecnologías de IA generativa, y si ellos y los grandes modelos de lenguaje que los impulsan proporcionarán beneficios netos o pérdidas netas a nuestro mundo; y si ganarán dinero en el proceso.
Mientras tanto, la atención médica ha sido una de las grandes industrias que la gente ha estado observando con interés para ver cómo responde a estos desarrollos, aproximadamente en dos corredores de desarrollo. Primero, donde podría usarse para asistencia clínica, por ejemplo, como se describe en este artículo en coautoría de médicos y académicos de la Escuela de Medicina de Harvard sobre usando ChatGPT para diagnosticar pacientes; y segundo, en la automatización de funciones más repetitivas, como se ilustra en este Artículo de Lancet sobre el futuro de los resúmenes de alta.
Gran parte de ese trabajo aún se encuentra en sus primeras etapas, sobre todo porque la atención médica es particularmente delicada.
“Con todos los modelos de lenguaje grande, existe un riesgo”, dijo Lebrun en una entrevista. “Es increíblemente poderoso, pero el cinco por ciento de las veces será completamente incorrecto y no tienes forma de controlarlo. Pero en el cuidado de la salud nosotros [literally] no puedo vivir con una tasa de error del 5%”.
Sin embargo, en muchos aspectos, la atención médica parece un área principal para infundir IA: los médicos están sobrecargados de pacientes y agotados; a nivel mundial nos enfrentamos a una escasez crónica de médicos en parte como resultado de que muchos dejan la profesión y en parte debido al trabajo que se les exige. Además de atender a los pacientes, tienen que dedicar tiempo a ser administradores, con mucha documentación muy específica y formal para registrar los datos de las citas y planificar lo que viene a continuación, exigido tanto por las normas como por los reglamentos, pero también por los propios pacientes. Además de todo esto, a veces, lamentablemente, hay casos de error humano.
Sin embargo, por otro lado, ya se han digitalizado una serie de pasos en la atención médica, allanando el camino para que los pacientes y los médicos estén más abiertos a usar más herramientas digitales para ayudar con el resto.
Ese pensamiento fue en parte lo que motivó a Alexandre LeBrun a iniciar Nabla en primer lugar, y apuntar específicamente a Copilot primero para ayudar a los médicos con las tareas administrativas, sin examinar ni asesorar a los pacientes, u otro trabajo clínico.
LeBrun tiene un historial en la creación de aplicaciones basadas en lenguaje. En 2013, vendió su startup VirtuOz, descrita en ese entonces como el “Siri para empresas”, a Nuance para encabezar su desarrollo de tecnología de asistente digital para empresas. Luego fundó y finalmente vendió su próxima empresa emergente, Wit.ai, a Facebook, donde él y su equipo trabajaron en la incursión de la red social en los chatbots en Messenger. Luego se detuvo en FAIR, el centro de investigación de inteligencia artificial de Facebook en París.
Esas primeras herramientas para que las empresas interactúen con los clientes se presentaron en gran medida como ayudas de marketing y lealtad del cliente, pero Lebrun creía que también podrían aplicarse en escenarios menos confusos.
“Ya pudimos ver, en 2018, cuánto tiempo dedicaban los médicos a actualizar los registros de los pacientes, y empezamos a pensar que podíamos llevar la tecnología de inteligencia artificial y [advanced] el aprendizaje automático para la atención médica en particular para ayudar con eso”, dijo Lebrun.
Curiosamente, Lebrun no me mencionó esto, pero habría hecho esa observación al mismo tiempo que RPA, la automatización robótica de procesos, estaba cobrando impulso en el mercado.
RPA realmente trajo la automatización en la empresa al frente de la mente de las personas. Pero brindar asistencia a los médicos en consultas en vivo es un asunto más complejo que mecanizar el trabajo de memoria. Con un conjunto relativamente finito de variables de idioma y tema en juego en una consulta médico-paciente, se convirtió en un escenario ideal para ayudar a un asistente basado en IA.
Lebrun discutió la idea con Yann LeCun, quien era su jefe en ese momento y sigue siendo el principal científico investigador de inteligencia artificial de Facebook. LeCun respaldó su pensamiento, por lo que Lebrun se fue y LeCun se convirtió en uno de los primeros inversores en Nabla.
Nabla tardó un par de años más en revelar eso y otros fondos (recaudó casi $ 23 millones), que la startup no anunció para coincidir con su primer producto. Era una “súper aplicación” de preguntas y respuestas sobre salud para mujeres que les permitía rastrear diferentes preguntas relacionadas con la salud, combinar esa información con otros datos y parecía diseñada principalmente como un vehículo para ayudar a descubrir qué buscaban las personas en interacciones remotas de salud. y lo que podría construirse a partir de eso.
Esto fue seguido el año pasado con una “pila de tecnología de la salud para la participación del paciente” más generalizada, que es interesante porque jugó un poco con la métrica central de los productos anteriores de Lebrun: la participación.
Es posible que sea un poco escéptico con respecto a una startup que busca arreglar algo roto en el cuidado de la salud, sin profesionales médicos entre sus fundadores: además de Lebrun, los otros dos son la directora de operaciones Delphine Groll, quien anteriormente dirigió el desarrollo comercial y las comunicaciones para grupos de medios; y el CTO Martin Raison, quien ha trabajado con Lebrun desde Wit.ai.
Ese también fue un punto de conflicto para Lebrun, quien me dijo que consideró poner la empresa en pausa en sus primeros días para ir a la facultad de medicina.
Optó por no hacerlo y, en cambio, se basó en los comentarios y la información de los médicos y otros médicos, y los contrató para trabajar con la startup para ayudar a dirigir su hoja de ruta, que es la forma en que ahora ha llegado al producto independiente de hoy, Copilot.
“Nabla Copilot está diseñado para médicos que quieren estar a la vanguardia de la medicina”, dijo Jay Parkinson, MD, MPH y director médico de Nabla, en un comunicado. “Como médico, sé que los médicos siempre tienen poco tiempo y tienen mejores cosas que hacer que llenar el formulario. [electronic health record]. Con las notas clínicas superpoderosas de Nabla, los médicos ahora pueden mirar a sus pacientes a los ojos durante la consulta y asegurarse de que recuerdan cada palabra que dicen al enviar el resumen del encuentro”. Parkinson, quien se unió a la startup recientemente, es un emprendedor, con su startup de telesalud Sherpaa Health adquirida por Crossover.
Si bien la mejora de la IA generalmente se basa en la ingesta de cada vez más información para entrenar, esa ha sido una parte complicada de la construcción de Copilot. La compañía tiene la opción de compartir datos en todo momento, sin datos almacenados en sus servidores, además de cumplir con HIPAA y GDPR. Aquellos que acepten compartir información de capacitación tendrán sus datos procesados a través de “algoritmos de seudonimización” construidos internamente. Y por ahora, no hay planes para construir asistentes clínicos: no hay sugerencias de diagnósticos, ni nada por el estilo.
Lebrun dijo que era más fácil decirlo que hacerlo. La IA de Nabla, mientras se construía, siguió tratando de proporcionar diagnósticos automáticamente a sus usuarios, incluso cuando los ingenieros no se lo pidieron y trataron de que no lo hiciera, dijo Lebrun.
“No queremos excedernos y hacer diagnósticos”, dijo, “así que tuvimos que entrenar a nuestra IA para que no hiciera eso”.
Eso podría ser algo, “un producto diferente”, en un futuro lejano, dijo, pero primero se necesitaría lograr mucho más desarrollo y pruebas infalibles.
“No creemos en los chatbots para la medicina”, agregó. “Queremos mejorar la vida de los médicos ahorrándoles tiempo”.
Source link