Modelos médicos de última generación
Resumen de notas clínicas
es un 30% más preciso que BART, Flan-T5 y Pegasus.
Reconocimiento de entidades clínicas
Los modelos de John Snow Labs cometen la mitad de errores que ChatGPT.
La extracción de códigos ICD-10-CM
se realiza con una tasa de éxito del 76%, frente al 26% de GPT-3.5 y el 36% de GPT-4.
Puesta en producción de los LLM sanitarios
Uso de LLM específicos del sector sanitario para el descubrimiento de datos a partir de historias y notas de pacientes
El Departamento de Asuntos de Veteranos de EE.UU., un sistema sanitario que atiende a más de 9 millones de veteranos y sus familias. Esta colaboración con el VA National Artificial Intelligence Institute (NAII), la VA Innovations Unit (VAIU) y la Office of Information Technology (OI&T) demuestra que, aunque la precisión inicial de los LLM actuales en notas clínicas es inaceptable, puede mejorarse significativamente con el preprocesamiento, por ejemplo, utilizando los modelos de resumen de texto clínico de John Snow Labs antes de introducirlo como contenido en la salida de IA generativa del LLM.
Recuperación de cohortes de pacientes a partir de texto: Aprovechamiento de los modelos LLM sanitarios para la gestión precisa de la salud de la población
Utilizando los modelos LLM de atención sanitaria de John Snow Labs, la plataforma ClosedLoop permite a los usuarios recuperar cohortes utilizando indicaciones de texto libre. Algunos ejemplos son: "¿Qué pacientes se encuentran en el 5% superior de riesgo de un ingreso no planificado y padecen una enfermedad renal crónica en estadio 3 o superior?" o "¿Qué pacientes se encuentran en el 5% superior de riesgo de un ingreso, tienen más de 72 años y no se han sometido a un chequeo anual de bienestar?"
---