ZODIAC: Uniendo LLM y diagnóstico cardiológico para una mayor precisión clínica

Los LLM están avanzando en la atención médica al ofrecer nuevas posibilidades en soporte clínico, especialmente a través de herramientas como BioGPT de Microsoft y Med-PaLM de Google. A pesar de estas innovaciones, los LLM en atención médica enfrentan un desafío importante: alinearse con el profesionalismo y la precisión necesarios para los diagnósticos del mundo real. Esta brecha es particularmente crucial según las regulaciones de la FDA para software como dispositivo médico (SaMD), donde los LLM deben demostrar experiencia especializada. Los modelos actuales, diseñados para tareas generales, a menudo necesitan cumplir con los estándares clínicos requeridos para entornos de atención médica críticos para la vida, lo que hace que su integración profesional sea un desafío continuo.

Los LLM han avanzado en el procesamiento de datos médicos no estructurados. Sin embargo, se deben abordar las preocupaciones sobre su experiencia en un dominio específico en entornos clínicos críticos. Trabajos recientes, como ZODIAC, tienen como objetivo abordar estas limitaciones centrándose en el diagnóstico cardiológico. Los marcos multiagente, ampliamente utilizados en el sector sanitario para gestionar flujos de trabajo complejos, son prometedores a la hora de optimizar tareas como la coordinación de la atención al paciente. Sin embargo, los sistemas de diagnóstico cardiológico se han basado principalmente en modelos basados ​​en reglas o de agente único, y los modelos de aprendizaje profundo están avanzando recientemente. La incorporación de LLM en cardiología sigue siendo un área poco explorada en la que este trabajo busca avanzar.

Investigadores de ZBeats Inc., la Universidad de Nueva York y otras instituciones presentan ZODIAC, un sistema impulsado por LLM diseñado para lograr un profesionalismo a nivel de cardiólogo en el diagnóstico cardiológico. ZODIAC ayuda extrayendo datos clave de los pacientes, detectando arritmias y generando informes preliminares para la revisión de expertos. Construido sobre un marco de múltiples agentes, ZODIAC procesa datos multimodales y está ajustado con entradas del mundo real verificadas por cardiólogos. Una rigurosa validación clínica muestra que ZODIAC supera a modelos líderes como GPT-4o y BioGPT. Integrado con éxito en dispositivos de electrocardiografía, ZODIAC establece un nuevo estándar para alinear los LLM con las regulaciones SaMD, garantizando seguridad y precisión en la práctica médica.

El marco ZODIAC está diseñado para diagnósticos a nivel de cardiólogo utilizando un sistema multiagente que procesa datos multimodales de pacientes. Recopila bioestadísticas, métricas tabulares y trazados de ECG, que analizan diferentes agentes. Un agente interpreta métricas tabulares, mientras que otro evalúa las imágenes de ECG y genera hallazgos clínicos. Un tercer agente sintetiza estos hallazgos con guías clínicas para crear un informe de diagnóstico. El proceso, validado por cardiólogos, se alinea con las prácticas médicas del mundo real y cumple con los estándares regulatorios para SaMD, lo que garantiza precisión y cumplimiento profesional durante las implementaciones hospitalarias.

Los experimentos de validación clínica siguen entornos del mundo real y se centran en ocho métricas de evaluación. Cinco métricas evalúan la calidad de los resultados clínicos, mientras que tres se centran en la seguridad. Se contrató a cardiólogos para evaluar el marco ZODIAC, calificándolo en una escala del uno al cinco utilizando modelos anónimos para evitar sesgos. ZODIAC superó a los modelos general y médico-especialista, sobresaliendo en profesionalismo clínico y seguridad. El análisis de subgrupos reveló el rendimiento diagnóstico consistente de ZODIAC en diversas poblaciones. Un estudio de ablación confirmó la importancia del ajuste y el aprendizaje en contexto, y ZODIAC también demostró una alta estabilidad en resultados de diagnóstico repetidos.

En conclusión, el estudio presenta ZODIAC, un marco avanzado impulsado por LLM para diagnóstico cardiológico, destinado a mejorar la colaboración entre médicos y LLM. Utilizando datos validados por cardiólogos, ZODIAC emplea ajuste de instrucciones, aprendizaje en contexto y verificación de hechos para brindar diagnósticos comparables a los de los especialistas humanos. La validación clínica revela el rendimiento superior de ZODIAC en diversos datos demográficos de pacientes y tipos de arritmia, superando a modelos líderes como GPT-4o de OpenAI y BioGPT de Microsoft. La colaboración de múltiples agentes del marco procesa diversos datos de pacientes, lo que lleva a una detección precisa de arritmias y a la generación de informes preliminares, lo que marca un avance significativo en la integración de LLM en dispositivos médicos, incluidos los equipos de electrocardiografía.

Mira el Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa.. No olvides unirte a nuestro SubReddit de más de 50.000 ml

(Próximo evento: 17 de octubre de 202) RetrieveX: la conferencia de recuperación de datos GenAI (promovida)

A Sana Hassan, pasante de consultoría en Marktechpost y estudiante de doble titulación en IIT Madras, le apasiona aplicar la tecnología y la inteligencia artificial para abordar los desafíos del mundo real. Con un gran interés en resolver problemas prácticos, aporta una nueva perspectiva a la intersección de la IA y las soluciones de la vida real.