Si bien la inteligencia artificial, por s\u00ed sola, ya ha comenzado a mejorar el diagn\u00f3stico de enfermedades mediante an\u00e1lisis r\u00e1pidos y avanzados de im\u00e1genes m\u00e9dicas y otras t\u00e9cnicas, IA generativa<\/strong> tiene el potencial de transformar los flujos de trabajo cl\u00ednicos y la forma de trabajar de los m\u00e9dicos. Se prev\u00e9 que el mercado de la inteligencia artificial en el sector sanitario crezca de $14.6 mil millones en 2023 a $102.7 mil millones en 2032, con una tasa de crecimiento anual compuesto (CAGR) del 47,6%. (MarketsandMarkets)<\/p>\n\n\n\n Las empresas de capital riesgo han invertido m\u00e1s de $1,7 mil millones en soluciones de IA generativa durante los \u00faltimos tres a\u00f1os, siendo el descubrimiento de f\u00e1rmacos basado en IA y la programaci\u00f3n de software mediante IA las \u00e1reas que han recibido mayor financiaci\u00f3n. (Gartner)<\/p>\n\n\n\n Se prev\u00e9 que, para 2025, 50% de las iniciativas de descubrimiento y desarrollo de f\u00e1rmacos utilicen la IA generativa. (Gartner)<\/p>\n\n\n\n \u201cEn el sector sanitario, al igual que en otros sectores, la IA generativa encierra un potencial transformador que permite liberar a las personas de las tareas repetitivas, lo que les permite centrar sus esfuerzos en actividades de mayor valor y disponer de m\u00e1s tiempo para atender necesidades m\u00e1s complejas\u201d.\u201d<\/em> Informe sobre la IA generativa en el \u00e1mbito sanitario Descargar el Informe<\/strong><\/span><\/span><\/span><\/strong>\u200b\u200b\u200b<\/span><\/strong><\/strong><\/span><\/span><\/p>\n\n\n\n Utilizando un un enfoque centrado en el ecosistema, en el que el paciente ocupa siempre un lugar central<\/strong>, clasifica el panorama de la inteligencia artificial general (GenAI) en el \u00e1mbito sanitario en actores que interact\u00faan directamente con los pacientes y facilitadores, y analiza Casos de uso de la IA general para cada uno<\/strong>. Empresas farmac\u00e9uticas<\/strong> Puede sintetizar la generaci\u00f3n de data de los pacientes para ensayos cl\u00ednicos, permitir la generaci\u00f3n de biomol\u00e9culas de novo y mejorar las herramientas de interacci\u00f3n para los representantes de ventas.<\/p>\n\n\n\n Proveedores de cuidados<\/strong> utilizar la mejora y el an\u00e1lisis de im\u00e1genes para optimizar el diagn\u00f3stico y la planificaci\u00f3n del tratamiento, as\u00ed como para sintetizar r\u00e1pidamente grandes cantidades de informaci\u00f3n m\u00e9dica.<\/p>\n\n\n\n Investigadores<\/strong> Puede analizar una gran cantidad de historiales m\u00e9dicos y de salud para agilizar el proceso de selecci\u00f3n e identificar mejor a los candidatos adecuados para los ensayos cl\u00ednicos.<\/p>\n\n\n\n Organismos de salud p\u00fablica<\/strong> puede analizar grandes cantidades de datos de poblaci\u00f3n data para detectar los primeros indicios de brotes, supervisar y predecir la propagaci\u00f3n de pat\u00f3genos e identificar las fuentes de infecci\u00f3n.\u200b<\/p>\n\n\n\n Casos de uso concretos de la IA generativa: Objetivo:<\/span> <\/strong>Investigadores de ensayos cl\u00ednicos.<\/span><\/p>\n\n\n\n Acelerar el reclutamiento de pacientes para reducir el tiempo necesario hasta el inicio de la fase III.<\/span><\/p>\n\n\n\n Realizar una ampliaci\u00f3n virtual del paciente data con datos sint\u00e9ticos de data en lo que respecta a caracter\u00edsticas cl\u00ednicas, gen\u00f3mica, tratamiento y resultados; validar el proceso para evaluar la fidelidad y la capacidad de preservar la privacidad.<\/span><\/p>\n\n\n\n \u201cLa IA generativa puede reducir el tiempo necesario para las terceras fases de los ensayos cl\u00ednicos, gracias a las \u2018cohortes aumentadas\u2019 (es decir, pacientes virtuales generados por la IA), aunque se requiere la validaci\u00f3n de un m\u00e9dico en cada etapa del proceso\u201d.\u201d<\/p>\n\n\n\n St\u00e9phanie Allassonni\u00e8re, catedr\u00e1tica y vicerrectora de Valorizaci\u00f3n y Colaboraciones Industriales<\/span> en la Universidad Paris Cit\u00e9<\/span><\/p>\n\n\n\n Objetivo:<\/span> <\/strong>Miembros de equipos m\u00e9dicos, odontol\u00f3gicos, farmac\u00e9uticos o de enfermer\u00eda.<\/span><\/p>\n\n\n\n Facilite la memorizaci\u00f3n, el uso y el intercambio con otros profesionales sanitarios del contenido procedente de numerosas fuentes (estudios, gu\u00edas cl\u00ednicas, art\u00edculos de investigaci\u00f3n\u2026).<\/span><\/p>\n\n\n\n Centralice el contenido para que pueda ser consultado por un modelo de IA generativa; entrene el modelo de lenguaje grande (LLM) adecuado para que admita las indicaciones identificadas (por ejemplo, resumen, identificaci\u00f3n de fuentes, consultas m\u00e9dicas\u2026); realice una validaci\u00f3n para evaluar la precisi\u00f3n de las respuestas, la relevancia de las recomendaciones, etc.<\/span><\/p>\n\n\n\n \u201cEn 2020 se publicaron m\u00e1s de 100 000 art\u00edculos sobre una \u00fanica patolog\u00eda: la COVID. La IA generativa tiene el potencial de aliviar la carga de trabajo de los profesionales sanitarios que carecen del tiempo necesario para mantenerse al d\u00eda con el volumen cada vez mayor de literatura cient\u00edfica, proporcion\u00e1ndoles res\u00famenes generados de las publicaciones\u201d.\u201d<\/p>\n\n\n\n Gr\u00e9goire Pign\u00e9, director general, onc\u00f3logo y radioterapeuta<\/span> en PulseLife<\/span><\/p>\n\n\n\n El ecosistema sanitario: Hiperescaladores<\/strong> democratizar la IA generativa y ya han comenzado a crear modelos y servicios espec\u00edficos para el \u00e1mbito sanitario. Med-Palm2 de Google, BioGPT de Microsoft, HealthScribe de AWS<\/strong>, y NVIDIA BioNeMo<\/strong> son solo algunos ejemplos.<\/p>\n\n\n\n Empresas emergentes<\/strong> como Nabla<\/strong>, Memora Health<\/strong> y IA hipocr\u00e1tica<\/strong> complementar a los hiperescaladores con soluciones innovadoras para abordar problemas m\u00e1s espec\u00edficos.<\/p>\n\n\n\n Empresas farmac\u00e9uticas<\/strong> utilizar la IA generativa para ayudar a desarrollar pruebas de concepto (POC) y acelerar el descubrimiento de f\u00e1rmacos. Algunas colaboraciones a las que hay que prestar atenci\u00f3n son: Sanofi + Insilico Medicine<\/strong>, Pfizer+Iktos<\/strong>, Servier+Aqemia<\/strong> y AstraZeneca+Benevolent<\/strong>.<\/p>\n\n\n\n Dominio p\u00fablico<\/strong> las partes interesadas, incluidos los hospitales y los institutos de investigaci\u00f3n. Docaposte<\/strong>, una empresa francesa especializada en inform\u00e1tica sensata, ha anunciado recientemente el lanzamiento de su primer servicio de modelo de lenguaje grande (LLM) soberano con casos de uso en el \u00e1mbito sanitario.<\/p>\n\n\n\n Los inversores tambi\u00e9n se est\u00e1n sumando a la revoluci\u00f3n de la IA general, financiando proyectos de gran impacto:<\/p>\n\n\n\n \u201cEl reto radica en integrar la IA generativa en empresas consolidadas que ya tienen acceso a una asistencia sanitaria de alta calidad data, en lugar de invertir en nuevas empresas emergentes\u201d.\u201d<\/em> \u201cAunque la mayor\u00eda de los proyectos actuales se encuentran en las primeras fases de desarrollo, la combinaci\u00f3n de la inteligencia artificial generativa (GenAI) y la computaci\u00f3n cu\u00e1ntica en el descubrimiento de f\u00e1rmacos no solo podr\u00eda dar lugar a la creaci\u00f3n de nuevos tratamientos, sino tambi\u00e9n a nuevos avances que la propia naturaleza a\u00fan no es capaz de ofrecer\u201d.\u201d<\/em> Aunque la IA general (GenAI) promete revolucionar el sector sanitario, tambi\u00e9n conlleva riesgos y retos importantes. A continuaci\u00f3n, destacamos los m\u00e1s significativos y analizamos posibles estrategias de mitigaci\u00f3n. \u201cLos modelos de lenguaje a gran escala (LLM) tienden a \u2018alucinar\u2019 respuestas err\u00f3neas. Una forma de mitigar este fen\u00f3meno consiste en recuperar autom\u00e1ticamente los documentos de una base de conocimientos que tengan m\u00e1s probabilidades de contener elementos de la respuesta y a\u00f1adirlos a la solicitud, de modo que el LLM disponga de m\u00e1s contexto para dar una respuesta correcta\u201d.\u201d<\/em> La accesibilidad de Data tambi\u00e9n desempe\u00f1a un papel fundamental a la hora de proporcionar los datos necesarios para los modelos de IA generativa; del mismo modo, la aculturaci\u00f3n y la formaci\u00f3n en data son indispensables para que los profesionales sanitarios se familiaricen con el uso y los posibles riesgos asociados a esta tecnolog\u00eda.<\/p>\n\n\n\n \u201cEs fundamental establecer unas normas de uso para los modelos de IA generativa y garantizar una formaci\u00f3n exhaustiva de los profesionales sanitarios sobre sus limitaciones y vulnerabilidades intr\u00ednsecas\u201d.\u201d<\/em> Muchos actores est\u00e1n avanzando en un contexto de gran incertidumbre en cuanto al rendimiento que se puede alcanzar, los posibles niveles de industrializaci\u00f3n y las restricciones normativas a\u00fan por definir.\u00a0<\/p>\n\n\n\n Para superar estos retos:<\/p>\n\n\n\n Las personas deben estar siempre en el centro de los procesos de toma de decisiones para ejercer el control y adoptar decisiones fundamentadas.<\/p>\n\n\n\n Los seres humanos deben seguir siendo los principales beneficiarios de las mejoras en la productividad que aportan las aplicaciones de inteligencia artificial generativa (GenAI) en el \u00e1mbito sanitario y en la gesti\u00f3n de pacientes.<\/p>\n\n\n\n Adem\u00e1s, la supervisi\u00f3n humana debe garantizar que la IA se aproveche en funci\u00f3n de sus capacidades para garantizar.<\/p>\n\n\n\n \u201cA largo plazo, los seres humanos corren el riesgo de depender en exceso de los documentos generados, lo que podr\u00eda dar lugar a una p\u00e9rdida de comprensi\u00f3n y de competencias t\u00e9cnicas. Es necesario preservar la capacidad de toma de decisiones humana para evitar la alienaci\u00f3n provocada por los modelos de lenguaje a gran escala (LLM).\u201d<\/em> ASESORAMIENTO EN DATOS | DATOS Y MARKETING DIGITAL | COMERCIO DIGITAL<\/font><\/strong><\/p>","protected":false},"featured_media":85420,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"pdf-mail-category":[848695],"class_list":["post-1333122","pdf-newsletters","type-pdf-newsletters","status-publish","has-post-thumbnail","hentry","pdf-mail-category-data-ai-digest"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/pdf-newsletters\/1333122","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/pdf-newsletters"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/pdf-newsletters"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/85420"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=1333122"}],"wp:term":[{"taxonomy":"pdf-mail-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/pdf-mail-category?post=1333122"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\n
\n<\/p>\n\n\n\n
\nPaul de Balincourt<\/span><\/strong>, Director de Transformaci\u00f3n Sanitaria Data e IA<\/span> a Artefact<\/span><\/p>\n\n\n\n
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tAprovechar el potencial de la IA generativa en beneficio de los pacientes, los profesionales sanitarios y las empresas farmac\u00e9uticas \u00a0<\/span><\/span><\/b><\/font><\/p>\n\n\n\n
\n
\n
\n
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tA continuaci\u00f3n se enumeran algunas de las muchas formas en que la IA generativa beneficia a los agentes del sector sanitario:<\/p>\n\n\n\n
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tAplicaciones y ventajas en el sector sanitario\u00a0<\/span><\/span><\/font><\/span><\/strong>
\n
\nEst\u00e1n surgiendo varias categor\u00edas destacadas de casos de uso de la IA generativa, que abarcan desde el aumento de datos data, la generaci\u00f3n de conocimientos y el desarrollo de biomol\u00e9culas, hasta la personalizaci\u00f3n de contenidos, la productividad y la automatizaci\u00f3n.<\/span><\/span>
\n
\n
\nCaso de uso #1: Generaci\u00f3n de pacientes sint\u00e9ticos data para acelerar los ensayos cl\u00ednicos<\/strong><\/span><\/span><\/p>\n\n\n\nCaso de uso #2: Asistente administrativo de un profesional sanitario (HCP)\u200b\u200b\u200b<\/h2>\n\n\n\n
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tPrepar\u00e1ndonos para aprovechar todo el potencial de la IA generativa<\/span><\/span><\/font><\/span><\/strong>
\n
\n\u200b<\/span>Podemos dividir el ecosistema en cuatro grupos principales de actores:<\/span><\/p>\n\n\n\n
\nAnne-Sophie Saint-Martin, socia<\/span> en Newfund Capital<\/span><\/p>\n\n\n\n
\nFlorian Denis, director de inversiones<\/span> en Elaia<\/span><\/p>\n\n\n\nLimitaciones, retos y oportunidades de la IA general en el \u00e1mbito sanitario<\/h2>\n\n\n\n
\n
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tPor ejemplo, para proteger al paciente data sin necesidad de anonimizar sus datos, la start-up francesa Sarus garantiza que no se incluya ninguna informaci\u00f3n personal en los modelos de lenguaje grande (LLM) ajustados.<\/p>\n\n\n\n
\nNicolas Grislain, cofundador y director cient\u00edfico<\/span> en Sarus<\/span><\/p>\n\n\n\n
\nJean-Marc Bereder, especialista en el uso de la inteligencia artificial y antiguo jefe de departamento<\/span> en el Hospital Universitario de Niza<\/span><\/p>\n\n\n\nLa confianza y el control: un papel fundamental para garantizar una IA responsable y fiable<\/h2>\n\n\n\n
\nVincent Vuiblet, catedr\u00e1tico universitario y m\u00e9dico hospitalario<\/span> \u2013 CHU de Reims, URCA; director del Instituto de Inteligencia Artificial en el \u00c1mbito Sanitario de Reims-Champagne-Ardenne (I2AS)<\/span><\/p>\n\n\n\n