Los datos del mundo real son invaluables para los desarrolladores de tecnología de la salud. Este tipo de datos refleja experiencias, tratamientos y resultados reales de pacientes en diversos entornos del mundo real, según señaló Atropos Health Brigham Hyde.
Sin embargo, muchos de los desarrolladores que crean nuevos modelos de IA para organizaciones de salud luchan por acceder a datos del mundo real. Un documento de abril analizó más de 500 estudios sobre grandes modelos de lenguaje en salud y encontró que solo el 5% de ellos se realizaron utilizando datos reales de pacientes del mundo real.
Para abordar este problema, Atropos anunció recientemente que los desarrolladores de IA ahora pueden entrenar sus modelos en su red de evidencia del mundo real.
Atropos, que fue fundada en 2020 como una derivación de Stanford, proporciona datos clínicos del mundo real a los médicos en el punto de atención. En 2023, la startup lanzó su red de evidencia, que es una red de datos de salud federada que consta de más de 300 millones de registros de pacientes recopilados de EHR, datos de reclamaciones y registros de pacientes.
La red actualmente tiene “docenas” de miembros, incluidos desarrolladores de IA, profesionales, investigadores, titulares de datos y empresas tecnológicas, dijo Hyde. Con acceso a una gran cantidad de datos de pacientes del mundo real, los miembros de la red obtienen una vista completa y representativa de cómo progresan las enfermedades y cómo funcionan los tratamientos en poblaciones variadas, explicó.
Ahora que la red de evidencia ofrece entrenamiento de modelos de IA, los desarrolladores pueden integrar sus herramientas de IA en la infraestructura de la red de manera fluida. Esta nueva capacidad está impulsada por la plataforma GENEVA OS de Atropos, que transforma los datos del mundo real en evidencia clínica al proporcionar a los médicos respuestas rápidas y basadas en datos a preguntas médicas complejas.
“Usando GENEVA OS, los desarrolladores pueden entrenar, probar y validar modelos predictivos en datos estandarizados y de alta calidad a nivel de paciente. Esto elimina las cargas de adquisición y preparación de datos, lo que permite un desarrollo rápido de modelos mientras se adhieren a los estándares emergentes de garantía de IA para transparencia, detección de sesgos y precisión”, declaró Hyde.
En general, la infraestructura de la red de datos busca acelerar el desarrollo de IA, así como mejorar la confiabilidad de la IA, con el objetivo general de impulsar la innovación que mejora la atención y los resultados de los pacientes, agregó.
Hyde señaló algunos casos de uso para herramientas de IA que podrían entrenarse en la red, como simulación de ensayos clínicos, mapeo del recorrido del paciente, estimación del costo de la atención y predicción de resultados. Los desarrolladores pueden finalmente implementar modelos validados en los socios de canal de Atropos, como sistemas de salud o compañías farmacéuticas, dijo.
El CEO de uno de los miembros de la red de evidencia, QuantHealth, una startup que utiliza IA para hacer que sea más rápido y económico para las compañías farmacéuticas desarrollar tratamientos, señaló que la plataforma de datos de Atropos ha permitido a su empresa ajustar rápidamente su producto.
“Minimizar el riesgo y optimizar los ensayos clínicos a través de simulaciones robustas a nivel de paciente no es tarea fácil, por eso hemos continuado evolucionando y madurando nuestra plataforma de IA y marcos de datos subyacentes”, dijo el CEO de QuantHealth, Orr Inbar, en un comunicado. “Al hacer esto, hemos podido ayudar a 7 de las 20 principales compañías farmacéuticas a simular y optimizar sus ensayos y programas clínicos para garantizar la excelencia clínica y operativa”.
QuantHealth ahora puede realizar simulaciones en tiempo real e implementar sus modelos de IA en el punto de atención, “desbloqueando nuevas oportunidades y casos de uso” para sus clientes farmacéuticos, declaró Inbar.
Foto: metamorworks, Getty Images.