Share
Embed
Transcript
28 slides
-
{ "name": "Lautaro Carro", "username": "@lauchacarro ", "award": "Microsoft MVP
", "certifications": [“AZ-900", “AZ-204"] "activities": ["Latino .NET Online", "Rest Of My Cloud"] } -
TEMAS ❑ Revolución de la IA ❑ La IA en
el sector Salud ❑ Casos de Uso de IA en Salud ❑ Introducción a MediPhi ❑ Otras soluciones de IA ❑ Conclusiones -
Problemas en el área de Salud ❑ Según la OMS,
aproximadamente 2,6 millones de personas fallece cada año debido a errores médicos evitables. https://news.un.org/es/story/2019/09/1462252 ❑ Los errores más comunes comienzan en los errores medicación, procedimientos quirúrgicos, diagnósticos tardíos o incorrectos ❑ Temas de privacidad, validación clínica y normativas estrictas limitan la adopción de IA, frenando avances que podrían salvar vidas. -
Las IA “Medicas” existentes ❑ Al buscar “GPT Médico” en
Bing, se obtuvieron aproximadamente 572.000 resultados. ❑ La mayoría de los resultados corresponden a soluciones de GPTs personalizados. ❑ Microsoft, entre 2019 y 2021, enfocó su innovación en IoT para salud; ❑ A partir de 2021, ha publicado diversos trabajos sobre modelos de IA aplicados al área médica. -
Casos de Uso de IA en Salud Diagnóstico Médico Algoritmos
que analizan imágenes para diagnosticar enfermedades 1 Chatbots para pacientes Asistentes virtuales que responden consultas y guían a los pacientes. 2 Predicción de Brotes Herramientas que analizan datos para prever emergencias sanitarias. 3 -
Observaciones de Enfermería ❑ Los dictados de enfermería contienen observaciones
clínicas habladas que deben transformarse en datos estructurados para los sistemas de Registros Electrónicos de Salud (EHR). ❑ Este proceso es manual y consume mucho tiempo, lo que genera una carga documental significativa para el personal de enfermería. -
Órdenes médicas desde consultas entre médico y paciente ❑ Las
conversaciones largas entre médicos y pacientes incluyen múltiples órdenes médicas (medicación, análisis, seguimiento, etc.) que deben ser identificadas y documentadas. ❑ Estas órdenes suelen estar expresadas de forma libre y dispersa en el diálogo, lo que dificulta su extracción automática. -
Empoderando a los profesionales de la salud con modelos de
lenguaje: Estructuración de transcripciones de discurso en dos aplicaciones clínicas del mundo real. https://arxiv.org/pdf/2507.05517 -
¿Que es MediPhi? ❑ MediPhi es un modelo OpenSource que
está construido a partir del modelo base Microsoft Phi-3.5 ❑ Colección de SLM (Small Language Model) especializados (PubMed, guías médicas, Wikipedia médica y documentos clínicos abiertos) ❑ Arquitectura modular y fusión con métodos avanzados ❑ Dataset sintético extensivo (MediFlow) para alineación clínica -
¿Cómo construyeron MediPhi? Phi 3.5 MediPhi-PubMed MediPhi-Clinical MediPhi- MedWiki MediPhi-
GuideLines MediPhi- MedCode MediPhi Dataset MS MediFlow MediPhi- Instruct -
Microsoft Dragon Copilot ❑ Es un asistente de IA diseñado
específicamente para mejorar los flujos de trabajo clínicos en el ámbito de la salud. ❑ Dragon Copilot escucha de forma pasiva y segura las interacciones entre médico y paciente. -
MS AI Diagnostic Orchestrator Dr. Hipótesis: Mantiene el diagnóstico diferencial.
Dr. Selector de pruebas: Selecciona las pruebas de diagnóstico más rentables. Dr. Challenger: Previene los sesgos cognitivos y los errores de diagnóstico. Dr. Stewardship: Garantiza una atención rentable. Dr. Lista de verificación: Realiza controles de calidad. Coordinador de consenso: Sintetiza las decisiones del panel. Gatekeeper: Actúa como oráculo de información clínica. Juez: Evalúa la precisión diagnóstica final. -
MS AI Diagnostic Orchestrator ❑ El objetivo es diagnosticar correctamente,
pero también se mide: ❑Precisión del diagnóstico, costo de los estudios y visitas solicitadas. ❑ Usando el modelo o3 de OpenAI: ❑ 80% de precisión diagnóstica, frente al 20% promedio de médicos generalistas. ❑ 20% menos de costos que médicos humanos y 70% menos de costos que usar directamente o3 sin el orquestador. ❑Configurado para máxima precisión, llegó a 85,5% de acierto. ❑ Preparado para funcionar con la familia de modelos de OpenAI, Gemini, Llama, Deepseek https://arxiv.org/abs/2506.22405 -
❑ MAI-DS-R1 es un modelo de razonamiento DeepSeek- R1 que
ha sido entrenado posteriormente por el equipo de IA de Microsoft con el objetivo de completar las lagunas de información de la versión anterior del modelo y eliminar y mejorar sus protecciones contra daños, al tiempo que se mantienen las capacidades de razonamiento de R1. ❑ RetroChimera es un modelo que toma como entrada una molécula que se desea sintetizar y produce varias reacciones químicas potenciales que podrían utilizarse para producir esa molécula de entrada. -
CONCLUSIONES ❑ Microsoft está lanzando soluciones modulares que se integran
en proyectos más amplios, incluso con interoperabilidad en sistemas de salud ya existentes. ❑ Se observa una tendencia hacia el uso de IA para el análisis de transcripciones, modelos de razonamiento y soluciones open source orientadas a la privacidad. ❑ Estas iniciativas y sus publicaciones científicas podrían sentar las bases de los futuros estándares en el desarrollo de tecnología para el área de la salud.