13 Aprile 2024 aggiornato alle 12:00
Meta Communications Magazine
Immervise Magazine
MetaHealth

Nuovi modelli di AI in campo medico. Il futuro di Med PaLM 2

AI in medicina

Indice

In che modo si sta muovendo la sanità globale nei confronti dell’adozione dei nuovi modelli di apprendimento all’interno delle specifiche dinamiche di settore?

Intelligenza artificiale e diagnosi futura

Sono diversi gli approcci e tutti differenti alle metodiche che determinano l’acquisto zione interna ai processi medico scientifici intelligenze artificiali in grado di raccogliere dati definire strategie terapeutiche e aiutare i sistemi da sempre intasati di carattere amministrativo. In America la grande maggioranza delle realtà sanitarie con applicazioni e tempistiche notevolmente differenti da quelle europee sta cercando di adottare alcuni linguaggi algoritmici per supportare il lavoro quotidiano di medici e operatori sanitari. E’ il caso del nuovo modello di apprendimento di largo impatto che Google ah proposto alle aziende sanitarie pubbliche e private che vogliono iniziare ad avere una maggiore ottimizzazione delle tempistiche di analisi per i diversi campi di ricerca.

Dopo aver lanciato alla fine di maggio il programma AI for Health unicamente destinato alle startup facenti parte dell’ambiente sanitario, Google continua a costruire e a testare modelli di intelligenza artificiale che possano affrontare e sostenere l’assistenza sanitaria a livello globale. Durante l’evento annuale dedicato alla salute the check up il colosso americano ha dato nuove indicazioni sulla strada percorsa fino ad oggi che definisce il raggiungimento di obiettivi sempre più alti legati all’utilizzo l’intelligenza artificiale.

Supporto medico a distanza: Med PaLM 2

Uno fra tutti e il nuovo grado di elaborazione, di gran lunga migliorato, per il Large Language Model (LLM)1 medico, il Med PalM 2. Entrato in fase di test già a partire dal mese di aprile è una variante del Palm 2 che non è altro se non il modello linguistico di intelligenza artificiale che sussiste alla base di Bard, come tutti sappiamo e che è stato annunciato pochi mesi fa. L’operazione di adeguamento di questo modello da parte di Google è principalmente finalizzato al supporto dei medici che si trovano in situazioni territoriali complesse dove l’accesso ad una diagnosi o ad un consulto sanitario risultano essere molto più complessi. Ma questo vuol dire anche un netto miglioramento per quel che riguarda le conversazioni sanitarie tuttora sostenute da chatbot un po più generalisti come Bing, ChatGPT e lo stesso Bard.

Unico problema che si continua a riscontrare all’interno dei percorsi di ricerca è l’adeguamento del modello linguistico ad una totale pertinenza rispetto a determinate risposte. Il futuro vedrà sicuramente la presenza di macchine che saranno in grado di raggiungere un livello alto di interazione con i pazienti nello stesso modo in cui sarà possibile farlo con medici reali. Tutto questo si baserà sul continuo aggiornamento e addestramento del modello stesso attraverso dati e analisi a livello globale.

Parliamo naturalmente di ricerca e se OpenAI continua a sviluppare investendo tecnologie sempre più affini a quelli che sono i lavori e le professionalità di molti campi sanitari, la vera rivoluzione annunciata sarà sicuramente quella che coinvolgerà la parte più importante di questa stessa interazione ossia un’empatica e assoluta precisione. La corsa all’intelligenza artificiale all’interno del campo medico possiamo dire che sia ora ai suoi esordi, e benché le aspettative siano davvero alte le implicazioni saranno sicuramente di massimo grado.

Formare gli operatori sanitari

C’è poi un altro punto molto importante e che definisce l’assetto relativo ad una ottimizzazione non solo delle dinamiche di fruizione ma anche dei applicativi utilizzati ossia: la formazione. La formazione del comparto medico, di tutti gli operatori sanitari e degli stakeholder che transitano e definiscono l’assistenza sanitaria a livello globale, deve essere il primo step adottato da tutti e in tempi molto brevi. Questo perché nel momento in cui si procede alla definizione e all’adozione di un determinato modello di apprendimento automatico (potremmo fare l’esempio di un ospedale o di una clinica privata) risulterà essere basilare la capacità di saper utilizzare questi modelli stessi nel migliore dei modi e con grandi tempistiche.

La gara tra i colossi è sicuramente già iniziata e l’obiettivo di gestione totale, da parte di ognuno di loro, di quelle che sono le incombenze e le problematiche legate al sistema sanitario, non è cosa da poco. Devono però essere presenti i dati effettivi di una reale ottimizzazione e di un pratico ritorno, nonché beneficio, per quel che riguarda la gestione dei piani terapeutici e l’adozione di nuove interazioni con i pazienti.  Si parla ormai da diversi mesi di personalizzazione delle cure e di profonda definizione individuale legata alle caratteristiche di ogni paziente. Ebbene, che si tratti di imbastire un nuovo piano di cure o di ristabilire, innovandolo, un accesso finora caratterizzato da disagi alle cure stesse, l’interrogativo nasce sempre nei riguardi del punto finale di arrivo di questa corsa all’innovazione algoritmica.

Conclusioni

Quando riusciremo ad avere non solo dei modelli di apprendimento automatico altamente empatici ma fondamentalmente attendibili e professionalmente validi nelle risposte alle interrogazioni che gli verranno mosse, allora si potrà parlare di rivoluzione tecnologica in ambito sanitario. Quello a cui stiamo assistendo attualmente è solo l’inizio di un’epoca futura che caratterizzerà la salute del mondo nei prossimi anni.

  1. I “Large Language Models” (Modelli di Linguaggio di Grandi Dimensioni) sono tipi di intelligenza artificiale basati su reti neurali che hanno la capacità di comprendere, interpretare e generare il linguaggio umano. La loro “grandezza” si riferisce sia alla dimensione del dataset su cui vengono addestrati (spesso miliardi di parole) sia alla complessità della loro architettura di rete.
    I LLM, sono addestrati attraverso un processo chiamato apprendimento automatico. Durante questo processo, il modello analizza e impara da enormi quantità di testo per capire come le parole e le frasi vengono usate in vari contesti. Questo gli permette di rispondere a domande, creare testi coerenti, tradurre lingue e persino svolgere compiti creativi come la scrittura di poesie o la generazione di immagini
    . ↩︎

Altri articoli

Resta aggiornato

Iscriviti alla nostra newsletter

Errore: Modulo di contatto non trovato.

Seguici sui nostri canali

La nostra community