lo que debes saber
- Noticias de financiación: Inteligencia de máquina avanzada (AMI Labs), Una startup de IA fundada por un ganador del Premio Turing Yan será y dardo fundador Alex Lebróncerró oficialmente una ronda inicial masiva de 1.030 millones de dólares con una valoración previa al dinero de 3.500 millones de dólares.
- Contacto Nabla: La empresa de IA clínica Nabla está estableciendo una asociación estratégica exclusiva con AMI para obtener acceso primero a estos nuevos modelos de IA. Como parte de esta transición, Alex LeBrun de Nabla asume el cargo de director ejecutivo de AMI Labs y seguirá siendo presidente de la junta directiva y científico jefe de inteligencia artificial de Nabla.
- El problema con los LLM: Si bien los modelos de lenguaje grande (LLM) se destacan en la documentación clínica y la recuperación de conocimientos, son principalmente generadores de texto probabilísticos. Tienen dificultades con el pensamiento determinista, los datos multimodales continuos (p. ej., signos vitales o imágenes) y la planificación a largo plazo bajo las limitaciones clínicas del mundo real.
- Cambiando el “paradigma global”: En lugar de limitarse a predecir la siguiente palabra, AMI construye “modelos globales”. Estos sistemas aprenden representaciones abstractas de la realidad, lo que les permite simular entornos, anticipar consecuencias y planificar acciones secuenciales basadas en causa y efecto.
- Objetivo clínico: Nabla planea utilizar modelos AMI globales para eludir la documentación perimetral y construir IA agente: sistemas autónomos capaces de tomar decisiones seguras y auditables y ejecutar flujos de trabajo complejos a través de infraestructuras de registros médicos electrónicos fragmentados.
Por qué los LLM fracasan en la clínica
Para comprender la importancia de este cambio, debemos comprender las limitaciones de nuestras herramientas actuales. Los LLM generan resultados estimando probabilidades y prediciendo la siguiente palabra más probable en función de grandes conjuntos de datos.
Si bien esto funciona muy bien para resumir un resumen de alta, es fundamentalmente defectuoso a la hora de tomar decisiones clínicas independientes. El modelo probabilístico realmente no hace eso. entiende Relación causa-efecto para prescribir un betabloqueante específico a un paciente con un conjunto específico de comorbilidades. No puede participar de manera confiable en un pensamiento determinista ni lidiar con los datos multimodales, ruidosos y constantes (audio, sensores fisiológicos, imágenes) que fluyen desde la UCI.
Ingrese al modelo global
En lugar de depender de predicciones textuales, los “modelos universales” de AMI aprenden representaciones abstractas de cómo funcionan los entornos, de forma similar a la forma en que un médico humano construye un modelo mental de la fisiología en evolución de un paciente.
“Estos sistemas predicen cómo se desarrollarán las situaciones y cómo las acciones conducen a consecuencias, por lo que pueden planificar secuencias de acciones bajo las limitaciones del mundo real”, señaló AMI sobre su tecnología.
Mediante el uso de razonamiento basado en simulación (análisis “qué pasaría si”), el modelo global puede predecir los resultados de una intervención antes de que se implemente. Este es exactamente el tipo de toma de decisiones determinista y auditable que los administradores de riesgos hospitalarios y la FDA necesitarán antes de permitir que la IA opere de forma autónoma.
El camino de Nabla hacia la inteligencia artificial agente
Nabla es una parte integral del flujo de trabajo clínico, con el asistente de IA que lo rodea implementado en cientos de sistemas de salud. Pero la documentación es sólo el primer punto de partida. Los sistemas proxy pueden realizar acciones en nombre de los médicos. Imagine que la IA no solo redacta una nota de derivación, sino que navega de forma segura por el sistema de programación, analiza las restricciones de seguro del paciente, reserva al especialista óptimo y pone en cola las órdenes de laboratorio exactas necesarias antes de la visita, todo ello manteniendo una memoria persistente y estrictas barreras de seguridad.
