Científicos del Instituto del Cáncer Dana-Farber y de Weill Cornell Medicine han desarrollado y probado nuevas herramientas de inteligencia artificial adaptadas a la patología digital, un campo relativamente nuevo que utiliza imágenes digitales de alta resolución creadas a partir de muestras de tejido para diagnosticar enfermedades y orientar decisiones de tratamiento.
En un artículo, publicado en The Lancet Digital Health el 9 de julio de 2024, el grupo de expertos demuestra que ChatGPT, un modelo de lenguaje AI desarrollado para entender y generar texto, puede ser adaptado utilizando una técnica de AI llamada generación aumentada por recuperación, para proporcionar respuestas precisas a preguntas sobre patología digital y compilar resultados detallados. Esto se usaría en softwares complejos creados para analizar muestras de tejido.
Según el Dr. Mohamed Omar, autor principal del estudio y profesor asistente de investigación en patología y medicina de laboratorio en Weill Cornell Medicine, aunque los modelos de lenguaje amplio (LLM) como ChatGPT son buenos para tareas generales, no son las mejores herramientas para obtener información especializada. No obstante, su adaptación para la patología digital demuestra su potencial para transformar el campo, facilitando a los patólogos el uso de tecnologías avanzadas sin necesidad de habilidades técnicas extensas.
Personalizar ChatGPT, el primer paso para adaptar la inteligencia artificial a las necesidades de los especialistas
Renato Umeton, Ph.D., director de Operaciones de Inteligencia Artificial y Servicios de Ciencia de Datos dirigió el proyecto para adaptar y optimizar ChatGPT con este propósito específico. Antes, los investigadores ya habían identificado dos grandes problemas con los modelos de lenguaje (LLM): proporcionan respuestas largas y genéricas y pueden inventar información.
Para solucionar esto, Umeton utilizó una versión segura y privada de ChatGPT en Dana-Farber (GPT4DFCI), mejorada con una base de datos de 650 publicaciones sobre patología digital desde 2022, sumando más de 10,000 páginas de literatura. “Podíamos pedir a este nuevo sistema que nos actualizara sobre muchos temas específicos o técnicas en patología digital y obtener resultados en segundos, con un nivel de detalle, profundidad y resumen que no existe en las herramientas científicas actuales”, señaló Umeton.
Con fines investigativos, los expertos utilizaron una técnica llamada generación aumentada por recuperación (RAG), que permitió a GPT4DFCI acceder a documentos relevantes de esta base de datos especializada y generar respuestas precisas a las preguntas sobre patología digital. Luego de ello, se compararon los resultados con los proporcionados con ChatGPT 4.
Al exigir que GPT4DFCI proporcionara enlaces a las publicaciones específicas utilizadas, comprobaron que las respuestas eran precisas y fundamentadas. El modelo refinado dio respuestas más precisas y relevantes que ChatGPT 4 y no inventó información en ningún momento. “Espero que esto inspire más herramientas específicas en otros campos médicos”, afirmó el Dr. Omar. Para conocer el artículo puede hacer clic aquí.
