En el panorama en constante evolución de la informática médica, los últimos cinco años han presenciado una transformación revolucionaria, en gran parte atribuible a la llegada y adopción generalizada de la Comprensión del Lenguaje Natural (NLU) y los Modelos Lingüísticos de Gran Escala (LLMs).
En este contexto, Top Doctors®, grupo de healthtech líder en la transformación digital del sector sanitario y en el desarrollo de sistemas tecnológicos para el fácil acceso a los mejores especialistas médicos, pone a disposición del sector, a través de su filial THT (Top Health Tech), su nuevo desarrollo: Qylo, un chatbot conversacional único basado en IA. Este sistema nace con el objetivo de ofrecer una solución innovadora en la atención y seguimiento del paciente.
A medida que se avanza en la integración de sistemas de inteligencia artificial en la atención sanitaria, la aparición de los LLMs como herramientas diagnósticas efectivas ofrece un vistazo al futuro de la práctica médica. En este sentido, Qylo destaca por ser un chatbot de solución final diseñado para encarnar el equilibrio óptimo entre precisión, realismo y atención centrada en el paciente. Está desarrollado combinando técnicas de diseño de espacios y virtualización 3D, algoritmos de interpretación y escucha de audio con algoritmos de lenguaje natural y construcción de respuestas empáticas a través de Large Language Models.
Así, Qylo revoluciona la forma en que los pacientes encuentran al mejor especialista médico que necesitan para su caso concreto, evitando sesgos o errores. A través de un sofisticado sistema basado en IA conversacional, Qylo ofrece recomendaciones personalizadas de médicos mediante el procesamiento del lenguaje natural. Gracias a la extensa base de datos que posee Grupo Top Doctors, Qylo simplifica la búsqueda del especialista médico ideal según las particularidades de cada caso.
Asimismo, estos avatares ofrecen usos tan diversos como herramienta de consulta y recepción de pacientes en centros médicos y hospitalarios, resolución de dudas sobre fármacos y posología, cuestiones derivadas de procedimientos médicos, pasos a seguir para la preparación de pruebas, interpretación de analíticas y pautas de ejercicio o salud, acompañamiento a enfermos crónicos, mayores o pacientes de salud mental, todo ello 24 horas al día, los 365 días del año.
“En Grupo Top Doctors trabajamos por la omniexperiencia. Esto significa crear un ecosistema de salud digital integrado, donde los pacientes no solo encuentren fácilmente al profesional adecuado, sino que también reciban una atención personalizada y coherente en cada interacción con la plataforma, mejorando así su experiencia de salud en general. Asimismo, Qylo genera a los especialistas médicos un flujo de pacientes debidamente orientados para que las consultas estén optimizadas, descongestionando así el sistema sanitario. Estamos trabajando activamente hacia esta visión de futuro integrando inteligencia artificial y machine learning para personalizar diagnósticos y tratamientos, y ampliando nuestras capacidades de telemedicina para hacer las consultas virtuales una opción aún más conveniente y eficiente para pacientes y doctores”, asegura Alberto E. Porciani, CEO de Grupo Top Doctors.
Qylo llega para revolucionar la telemedicina y evitar sesgos y errores en la citación de pacientes. Como destaca Jordi Cusidó, Research & Innovation Manager de THT (Top Health Tech, filial del Grupo Top Doctors), la creación de Qylo llega a través de un análisis meticuloso que involucra un conjunto de nueve modelos —incluyendo nombres notables como ChatGPT-4, PaLM 2 de Google y LLaMA de Meta—, donde se evaluó su precisión diagnóstica, fiabilidad y seguridad en diversos escenarios clínicos.
La metodología implicó presentar estos modelos de lenguaje grande (LLMs) con descripciones de síntomas y resultados de pruebas en español, requiriendo diagnósticos especializados y recomendaciones en inglés. Este estudio comparativo no solo arroja luz sobre el rendimiento diferencial entre modelos, sino que también enriquece el entendimiento de sus fortalezas y limitaciones dentro del contexto sanitario.
Los resultados revelaron diversos grados de precisión, exactitud y sensibilidad entre los modelos, subrayando el potencial de los LLMs para revolucionar la educación médica y la atención al paciente. El análisis contribuye además a una comprensión más profunda del papel de la inteligencia artificial en la ayuda a los profesionales sanitarios en el diagnóstico médico, con el objetivo de mejorar la efectividad y personalización de las experiencias educativas para profesionales médicos.
La base del estudio se apoya en el uso de asistentes conversacionales activados por voz como Siri, Alexa y Google Assistant en la atención médica, reflejando un cambio digital significativo en el compromiso del paciente y la gestión de la información sanitaria. Estos asistentes, equipados con capacidades de NLU, ofrecen recursos fácilmente accesibles para información médica y orientación de emergencia. A pesar de su promesa, la fiabilidad de estos asistentes digitales varía, necesitando un diseño y validación cuidadosos para asegurar precisión y seguridad.
“La integración de los LLMs en la práctica médica, particularmente como comprobadores de síntomas, representa un avance significativo en la atención sanitaria digital. Nuestra evaluación de nueve LLMs diferentes frente a 20 casos reales de enfermedades destaca el rendimiento matizado de estos modelos en el ámbito de la comprobación de síntomas. Los hallazgos de nuestro estudio proporcionan un análisis detallado de la precisión diagnóstica y fiabilidad de cada modelo, ofreciendo valiosas perspectivas sobre su aplicación en entornos de atención sanitaria”, destaca Cusidó.
En este análisis comparativo, los modelos se probaron contra un conjunto integral de criterios, incluyendo su capacidad para proporcionar consejos médicos precisos y seguros. Los resultados, resumidos en una serie de tablas, muestran las diversas capacidades de estos modelos, con algunos demostrando mayor precisión, exactitud y sensibilidad que otros.
El análisis de clústeres de este estudio identificó cinco grupos distintos basados en métricas de rendimiento, ofreciendo perspectivas sobre los sesgos y aplicaciones potenciales de los modelos. El análisis reveló que los modelos con un mayor número de parámetros tienden a rendir mejor, destacando la importancia de la afinación y el papel del desarrollo de código abierto en la mejora del rendimiento de los modelos.
“En conclusión, el modelo ideal logra un equilibrio entre sensibilidad y realismo, utilizando la historia y presentación clínica del paciente para proporcionar pre diagnósticos precisos sin causar alarma innecesaria. Este enfoque equilibrado del pre diagnóstico médico a través de los LLMs promete mejorar la atención y los resultados del paciente”, revela Cusidó.
Qylo representa la culminación de los hallazgos de este proceso, mostrando el potencial de los LLMs para revolucionar la atención sanitaria proporcionando asistencia pre diagnóstica fiable, precisa y amigable para el usuario.
