Los Grandes Modelos Lingüísticos (LLM) son 𝗺𝗼𝗱𝗲𝗹𝗼𝘀 𝗱𝗲 𝗮𝗽𝗿𝗲𝗻𝗱𝗶𝘇𝗮𝗷𝗲 𝗮𝘂𝘁𝗼𝗺𝗮́𝘁𝗶𝗰𝗼 que pueden comprender y generar un texto en lenguaje humano. Funcionan al analizar 𝗰𝗼𝗻𝗷𝘂𝗻𝘁𝗼𝘀 𝗱𝗲 𝗱𝗮𝘁𝗼𝘀 𝗺𝗮𝘀𝗶𝘃𝗼𝘀 𝗱𝗲𝗹 𝗹𝗲𝗻𝗴𝘂𝗮𝗷𝗲. Los rápidos avances en inteligencia artificial (IA) han llevado al desarrollo de LLM sofisticados como GPT-4 y Bard.
La posible 𝗶𝗺𝗽𝗹𝗲𝗺𝗲𝗻𝘁𝗮𝗰𝗶𝗼́𝗻 𝗱𝗲 𝗟𝗟𝗠 𝗲𝗻 𝗲𝗻𝘁𝗼𝗿𝗻𝗼𝘀 𝗱𝗲 𝗮𝘁𝗲𝗻𝗰𝗶𝗼́𝗻 𝗺𝗲́𝗱𝗶𝗰𝗮 ya ha atraído una atención considerable. 𝗔𝗹𝗴𝘂𝗻𝗮𝘀 𝗱𝗲 𝗹𝗮𝘀 𝗮𝗽𝗹𝗶𝗰𝗮𝗰𝗶𝗼𝗻𝗲𝘀 pueden ir desde facilitar documentación clínica, obtener autorización previa de seguro, resumir trabajos de investigación o trabajar como un chatbot para responder preguntas de los pacientes sobre sus datos e inquietudes específicas.
La regulación de GPT-4 y la IA generativa en medicina y atención médica es un desafío y aún se está estudiando.
Dentro de la regulación, esta debería garantizar que los profesionales médicos y los pacientes puedan utilizar los LLM 𝘀𝗶𝗻 𝗰𝗮𝘂𝘀𝗮𝗿 𝗱𝗮ñ𝗼 𝗻𝗶 𝗰𝗼𝗺𝗽𝗿𝗼𝗺𝗲𝘁𝗲𝗿 𝘀𝘂𝘀 𝗱𝗮𝘁𝗼𝘀 𝗼 𝘀𝘂 𝗽𝗿𝗶𝘃𝗮𝗰𝗶𝗱𝗮𝗱.
La Administración de Alimentos y Medicamentos (FDA) de los Estados Unidos ha estado liderando los debates globales sobre la supervisión regulatoria. Con la creciente adopción de tecnologías de salud digital, la FDA comenzó a regular el 𝘀𝗼𝗳𝘁𝘄𝗮𝗿𝗲 𝗰𝗼𝗺𝗼 𝗱𝗶𝘀𝗽𝗼𝘀𝗶𝘁𝗶𝘃𝗼 𝗺𝗲́𝗱𝗶𝗰𝗼, que se refiere a soluciones de software que realizan funciones médicas y se utilizan en la prevención, diagnóstico, tratamiento o seguimiento de diversas enfermedades o afecciones.
Si bien ha habido avances en la regulación de la IA, la FDA no ha podido resolver la regulación de 𝗱𝗼𝘀 𝗰𝘂𝗲𝘀𝘁𝗶𝗼𝗻𝗲𝘀 𝘁𝗲𝗰𝗻𝗼𝗹𝗼́𝗴𝗶𝗰𝗮𝘀 𝗮𝘃𝗮𝗻𝘇𝗮𝗱𝗮𝘀:
- 𝗥𝗲𝗴𝘂𝗹𝗮𝗿 𝗮𝗹𝗴𝗼𝗿𝗶𝘁𝗺𝗼𝘀 𝗮𝗱𝗮𝗽𝘁𝗮𝘁𝗶𝘃𝗼𝘀 𝗾𝘂𝗲 𝗽𝘂𝗲𝗱𝗲𝗻 𝗮𝗷𝘂𝘀𝘁𝗮𝗿 𝘀𝘂𝘀 𝗽𝗮𝗿𝗮́𝗺𝗲𝘁𝗿𝗼𝘀 𝗼 𝗰𝗼𝗺𝗽𝗼𝗿𝘁𝗮𝗺𝗶𝗲𝗻𝘁𝗼 en función de los datos de entrada o su desempeño en una tarea específica. Esta adaptabilidad permite que el algoritmo mejore su rendimiento con el tiempo o responda a condiciones cambiantes.
- 𝗟𝗮 𝗹𝗹𝗮𝗺𝗮𝗱𝗮 𝗳𝘂𝗻𝗰𝗶𝗼́𝗻 𝗮𝘂𝘁𝗼𝗱𝗶𝗱𝗮𝗰𝘁𝗮 𝗲𝗻 𝗲𝗹 𝗮𝗽𝗿𝗲𝗻𝗱𝗶𝘇𝗮𝗷𝗲 𝗽𝗿𝗼𝗳𝘂𝗻𝗱𝗼. Se refiere a la capacidad de un sistema para aprender por sí mismo sin supervisión directa. Un enfoque que a menudo requiere un aprendizaje autosupervisado o no supervisado, donde el modelo aprende patrones y representaciones de los datos de entrada sin depender de ejemplos etiquetados.
¿Quieres saber más sobre los Grandes Modelos Lingüísticos? Por aquí os dejamos una revisión publicada por NPJ Digital Medicine donde encontraréis una información más detallada de este tema ⬇️⬇️
👉 Revisión de la revista NPJ Digital Medicine
