L’anno scorso, Google ha deciso di esplorare l’uso di modelli linguistici di grandi dimensioni (LLM) per l’assistenza sanitaria, dando vita a Med-PaLM , un modello linguistico di grandi dimensioni open source progettato per scopi medici.
Il modello ha ottenuto un punteggio dell’85% su USMLE MedQA, che è paragonabile a quello di un medico esperto e ha superato modelli AI simili come GPT-4.
Proprio come Med-PaLM, diversi LLM hanno un impatto positivo su medici, pazienti, sistemi sanitari e sull’ecosistema più ampio della salute e delle scienze della vita. Secondo uno studio di Microsoft , il 79% delle organizzazioni sanitarie ha riferito di utilizzare attualmente la tecnologia AI.
Si prevede che l’uso di tali modelli nel settore sanitario aumenterà a causa dei continui investimenti nell’intelligenza artificiale e dei vantaggi che offrono.
- LLM nella ricerca medica
Recentemente, i ricercatori dell’Università di Stanford hanno utilizzato un LLM per trovare un potenziale nuovo trattamento per le malattie cardiache. Utilizzando MeshGraphNet, un’architettura basata su reti neurali a grafo (GNN), il team ha creato un modello di ordine ridotto unidimensionale (ROM 1D) per simulare il flusso sanguigno. MeshGraphnet fornisce varie ottimizzazioni del codice, tra cui parallelismo dei dati, parallelismo dei modelli, checkpoint del gradiente, cuGraph e addestramento multi-GPU e multi-nodo, tutti utili per costruire GNN per simulazioni cardiovascolari.
- Llama in Medicina
I ricercatori della Yale School of Medicine e della School of Computer and Communication Sciences dell’Istituto svizzero di scienza e tecnologia EPFL hanno utilizzato Llama per portare il know-how medico in ambienti con poche risorse. Uno di questi esempi è Meditron, una grande suite di modelli di base multimodali medici creata utilizzando LLM. Meditron assiste con domande sulla diagnosi e sulla gestione medica attraverso un’interfaccia in linguaggio naturale. Questo strumento potrebbe essere particolarmente utile nelle aree scarsamente servite e negli scenari di risposta alle emergenze, dove l’accesso agli operatori sanitari può essere limitato. Secondo Nature, Meditron è stata addestrata in informazioni mediche, compresa la letteratura biomedica e le linee guida pratiche. È stato inoltre addestrato per interpretare l’imaging medico, comprese le scansioni a raggi X, TC e MRI.
- Rafforzare gli studi clinici
Quantiphi , una società di ingegneria digitale all’avanguardia nell’intelligenza artificiale, utilizza NVIDIA NIM per sviluppare soluzioni di intelligenza artificiale generativa per la ricerca e lo sviluppo clinici. Queste soluzioni, basate sui LLM, sono progettate per generare nuove intuizioni e idee, accelerando così il ritmo dei progressi medici e migliorando la cura dei pazienti. Allo stesso modo, ConcertAI sta sviluppando un’ampia gamma di soluzioni di sviluppo clinico e traslazionale all’interno della sua piattaforma CARA AI. Il NIM Llama 3 è stato incorporato per fornire l’abbinamento dei pazienti su scala di popolazione per studi clinici, automazione degli studi e ricerca.
- Ricerca sui dati
Mendel AI sta sviluppando soluzioni di intelligenza artificiale focalizzate sulla clinica per comprendere le sfumature dei dati medici su larga scala e fornire informazioni fruibili. Ha implementato un NIM Llama 3 ottimizzato per il suo copilota Hypercube, offrendo un miglioramento delle prestazioni del 36%. Mendel sta inoltre studiando possibili applicazioni per Llama 3 NIM, come la conversione del linguaggio naturale in domande cliniche e l’estrazione di dati clinici dalle cartelle cliniche dei pazienti.
- Biologia digitale
Le aziende farmaceutiche Techbio e i fornitori di piattaforme per le scienze della vita utilizzano NVIDIA NIM per biologia generativa, chimica e previsione molecolare. Ciò comporta l’utilizzo di LLM per generare nuove strutture o previsioni biologiche, chimiche e molecolari, accelerando così il ritmo della scoperta e dello sviluppo di farmaci. Transcripta Bio, una società dedicata alla scoperta di farmaci, dispone di una Stele di Rosetta per decodificare sistematicamente le regole con cui i farmaci influenzano l’espressione dei geni all’interno del corpo umano. Il suo strumento di modellazione AI proprietario Conductor AI scopre e prevede gli effetti di nuovi farmaci su scala del trascrittoma. Utilizza anche Llama 3 per accelerare la scoperta intelligente di farmaci. BioNeMo è una piattaforma di intelligenza artificiale generativa per la scoperta di farmaci che semplifica e accelera l’addestramento dei modelli utilizzando i tuoi dati e ridimensionando l’implementazione di modelli per le applicazioni di scoperta di farmaci. BioNeMo offre il percorso più rapido sia per lo sviluppo che per l’implementazione del modello AI. Poi c’è l’acceleratore per la scoperta di farmaci AtlasAI , basato sui microservizi BioNeMo, NeMo e Llama 3 NIM. AtlasAI è stato sviluppato da Deloitte.
- Conoscenze mediche e competenze mediche fondamentali
Un modo per migliorare il ragionamento medico e la comprensione degli LLM è attraverso un processo chiamato “fine tuning”. Ciò comporta la fornitura di formazione aggiuntiva con domande nello stile degli esami di licenza medica e risposte esemplificative selezionate da esperti clinici. Questo processo può aiutare gli LLM a comprendere e rispondere meglio alle domande mediche, migliorando così le loro prestazioni nelle applicazioni sanitarie. Esempi di tali strumenti sono First Derm, un’applicazione di teledermoscopia per diagnosticare le condizioni della pelle, che consente ai dermatologi di valutare e fornire assistenza in remoto, e Pahola , un chatbot digitale per guidare il consumo di alcol. Poi c’è ChatDoctor, un modello di chat medica messo a punto su LLaMA utilizzando la conoscenza del dominio medico. Raccoglie dati su circa 700 malattie e ha generato 5.000 conversazioni medico-paziente per mettere a punto il LLM. Chatdoctor , creato utilizzando un ampio set di dati comprendente 100.000 dialoghi paziente-medico estratti da una piattaforma di consultazione medica online ampiamente utilizzata, potrebbe essere abile nel comprendere le richieste dei pazienti e offrire consigli precisi. E’ stata utilizzata la versione 7B del modello LLaMA.