Espero que este mensaje te encuentre bien. El entusiasmo por las herramientas de inteligencia artificial (IA) está en su punto más alto en los campus académicos de todo el país. Los avances recientes en las tecnologías de inteligencia artificial han hecho que el acceso a estas herramientas sea más fácil que nunca, generando preocupación para algunos y entusiasmo para otros.

Estamos entusiasmados de iniciar una serie de tres partes, “La IA está aquí. ¿Ahora que?" Esta serie tiene como objetivo desmitificar el papel de la Inteligencia Artificial en la investigación y la atención sanitaria. Esta primera entrega se centrará en los beneficios que aporta la IA a nuestro campo, con especial énfasis en la IA Generativa.

Una breve historia de la IA 

Si bien el término "inteligencia artificial" no se acuñó hasta 1956, el concepto de "máquinas pensantes" ha existido desde el siglo XIX. ENIGMA El código se descifró en 1941. En 2014, nació un nuevo amanecer de la IA: la IA generativa. Esta tecnología puede generar texto, imágenes y otros medios en respuesta a indicaciones. La nueva generación de ofertas de IA generativa (ChatGPT, Scribe, Jasper, DALL-E 2 y Bard) utiliza el procesamiento del lenguaje natural para generar texto coherente y contextualmente relevante, crear imágenes digitales e incluso desarrollar código de programación informática.

¿Por qué tanto revuelo ahora? 

La IA generativa existe desde 2014, pero recientemente ha ganado una atención significativa. ¿Por qué? Porque se ha vuelto más accesible, fácil de usar y rentable. La persona promedio ahora puede interactuar con la IA de manera conversacional y presenciar respuestas similares a las humanas gracias a los avances y la disponibilidad de aplicaciones gratuitas de IA generativa. Estos artículos de Reuters y McKinsey & Company Explique cómo ChatGPT y otros modelos de IA generativa han cambiado la forma en que vemos la IA.

Beneficios de la IA en la investigación y la atención sanitaria 

Asistencia de investigación: La IA generativa, con su capacidad para procesar grandes cantidades de datos rápidamente, mejora significativamente los esfuerzos de investigación. Ayuda en la recopilación y el análisis de datos, lo que potencialmente revela tendencias, correlaciones o conocimientos actuales que de otro modo podrían haberse pasado por alto mediante los métodos de investigación tradicionales. Esto puede conducir a hallazgos más completos y precisos para acelerar el ritmo de los descubrimientos científicos.

Organización de la información: En el ámbito de la gestión de datos, la IA generativa juega un papel fundamental. Puede organizar y categorizar de manera eficiente grandes conjuntos de datos, simplificando los procesos de recuperación y gestión de datos. Al automatizar esta tarea, los investigadores y profesionales de la salud pueden centrarse más en el análisis y la interpretación de los datos.

Visualización de datos: Las herramientas de IA generativa pueden transformar datos complejos en representaciones visualmente intuitivas, como diagramas, cuadros interactivos e infografías. Estas visualizaciones no solo simplifican la comprensión de los datos, sino que también facilitan la comunicación efectiva de los hallazgos y conocimientos de la investigación dentro de equipos multidisciplinarios. Cubren la brecha entre los analistas de datos y las partes interesadas no técnicas, asegurando una comprensión más holística de la importancia de los datos.

Diagnóstico mejorado: Una de las aplicaciones más transformadoras de la IA en la atención sanitaria es su papel en el diagnóstico. Los algoritmos de IA pueden analizar imágenes médicas como rayos X, resonancias magnéticas y tomografías computarizadas, así como diapositivas de patología y secuencias genéticas, con una precisión notable. Esto tiene el potencial de acelerar el diagnóstico y reducir la probabilidad de errores, mejorando los resultados de los pacientes.

Análisis de datos e información: La IA sobresale en el manejo y análisis de conjuntos de datos grandes y complejos. Puede examinar grandes volúmenes de datos para identificar patrones, tendencias o anomalías intrincados que podrían ser imperceptibles para los investigadores humanos. Estos conocimientos son invaluables tanto para los esfuerzos de investigación como para el desarrollo de planes de tratamiento personalizados en el cuidado de la salud. Los análisis basados ​​en IA permiten la toma de decisiones basada en datos que pueden conducir a intervenciones más efectivas y específicas. 

¿Quiere obtener más información sobre cómo se desarrolla y utiliza la IA generativa?  

Consulte estos artículos de IBM, Ciencia de Datos UA y HealthTech sobre los beneficios de la IA en la atención sanitaria y la investigación.

Desde acelerar el progreso de la investigación hasta mejorar la gestión de datos, simplificar la visualización de datos y revolucionar el diagnóstico y el análisis de datos, la IA es una herramienta poderosa. Tiene el potencial de revolucionar los campos de la atención sanitaria. Comprender los beneficios de la IA, en particular la IA generativa, puede ayudarnos a aprovechar su potencial para mejorar los resultados de los pacientes y agilizar los procesos de investigación. Estén atentos a Parte 2 de esta serie, donde profundizaremos en los riesgos y consideraciones éticas del uso de la IA en los campos de la atención sanitaria y la investigación.

 Gracias por acompañarnos en esta exploración del potencial de la IA generativa.

Bienvenido a la Parte 2 de nuestra serie, "La IA está aquí. ¿Y ahora qué?" En la primera entrega, exploramos los interesantes beneficios de la IA, centrándonos en la IA generativa. En la Parte 2, exploremos el complejo terreno de la ética de la IA y los posibles obstáculos a medida que continuamos nuestro viaje por el mundo de la inteligencia artificial en la atención médica y la investigación. 

 IA: El lado oscuro 

Para aprovechar el potencial de la IA para mejorar los resultados de los pacientes y agilizar los procesos de investigación, es fundamental comprender los desafíos y dilemas éticos que conlleva esta poderosa tecnología. A continuación, recopilamos algunos de los desafíos clave de la IA generativa en la atención médica y la investigación. 

Desafíos y riesgos de la IA 

Pureza de datos: Uno de los desafíos más importantes de la IA radica en la comprensión limitada que poseen las organizaciones sobre los datos que sustentan los sistemas de IA, incluida la falta de conocimiento sobre cómo se entrena la IA y su comportamiento en diversos contextos. Esta brecha de conocimiento plantea un riesgo sustancial al erosionar la confianza y causar incertidumbre. Además, crea dificultades para validar las respuestas generadas por la IA.  

La cuestión de la pureza de los datos se vuelve aún más pronunciada cuando se consideran las alucinaciones de la IA, donde grandes modelos de lenguaje como GPT-4 o Google PaLM generan con confianza información falsa. Al navegar por estas complejidades, los usuarios se enfrentan a la tarea de distinguir entre contenido exacto y fabricado, lo que subraya la importancia primordial de la pureza de los datos en el ámbito de las aplicaciones de IA. Consulte este artículo para obtener más información sobre Alucinaciones de IA.  

Preocupaciones éticas: Los algoritmos de IA, en particular los modelos de aprendizaje automático, pueden heredar sesgos presentes en los datos con los que se entrenan. Este sesgo puede conducir a decisiones injustas o discriminatorias. Por ejemplo, en el sector sanitario, los algoritmos sesgados pueden recomendar tratamientos que favorezcan a un grupo demográfico sobre otro, lo que da lugar a resultados sanitarios inequitativos. Las consideraciones éticas son esenciales para garantizar que la IA se utilice de manera justa y equitativa. 

Preocupaciones de privacidad de datos: En el ámbito de la atención médica, proteger los datos de los pacientes y cumplir con HIPAA es primordial. La IA generativa se entrena utilizando conjuntos de datos sintéticos; en otras palabras, son como un niño que escucha cada una de tus palabras y luego las regurgita a voluntad. Recuerde que AI tomará cualquier información que usted proporcione y potencialmente la usará al responder a otras organizaciones Indicaciones de IA. La información confidencial (PHI, PII) o restringida (información no pública como investigación o datos financieros) debe nunca cargarse o utilizarse en cualquier aplicación de IA. Introduzca únicamente datos que sean accesibles al público.  

Para obtener más información sobre la intersección entre la privacidad de la atención médica y la inteligencia artificial, explore los artículos de La revisión regulatoria y Seguridad de la información bancaria. Proteger los datos de los pacientes y cumplir con los estándares regulatorios sigue siendo una prioridad máxima a medida que navegamos por el panorama cambiante de la IA en la atención médica y la investigación. 

Vulnerabilidades de seguridad: La IA no es inmune a la explotación por parte de actores de amenazas. Los ciberdelincuentes ya están aprovechando la IA para crear tecnologías avanzadas. ataques de phishing y medios sintéticos, como clones de voz y vídeo alterados digitalmente por engañar a las víctimas objetivo. Incluso ChatGPT se ha utilizado en el diseño de el malware y virus que roba información' que pueden eludir los controles de seguridad modernos. Esta alarmante tendencia pone de relieve los crecientes esfuerzos de los ciberdelincuentes por convertir las herramientas de inteligencia artificial en armas, lo que convierte las discusiones en plataformas como ChatGPT en uno de los temas más candentes en la web oscura. 

¿Qué aprender más sobre los riesgos de la IA?  

Mira estos artículos de Construido en y Forbes.  

Al navegar por el "lado oscuro" de la IA, es fundamental que nos mantengamos informados, implementemos medidas sólidas de ciberseguridad y prioricemos las consideraciones éticas. El desarrollo y el uso responsable de la IA pueden mitigar estos desafíos y garantizar que se obtengan los beneficios de la IA minimizando al mismo tiempo los riesgos asociados. Estén atentos a la Parte 3 de esta serie, donde discutiremos lo que se debe y no se debe hacer con la IA y los pasos que debe seguir para usar la IA en su trabajo.  

Gracias por acompañarnos en esta exploración de la IA generativa en la atención sanitaria y la investigación.

Bienvenido de nuevo a nuestra serie de tres partes sobre el papel de la Inteligencia Artificial (IA) en la investigación y la atención sanitaria. Parte 1 de nuestra serie, "La IA ya está aquí. ¿Y ahora qué?", ​​reveló el notable potencial de la Inteligencia Artificial en la atención sanitaria y la investigación. Exploramos el inicio de la IA generativa, su evolución y su accesibilidad para las personas actuales. Se aclararon los beneficios de la IA en la investigación y la atención sanitaria, incluido su papel en el análisis de datos, la organización de la información, la visualización de datos, el diagnóstico y el análisis de datos.

Parte 2 Profundizó en los riesgos y consideraciones éticas asociadas a la IA en nuestro campo. Discutimos desafíos como la pureza de los datos, las preocupaciones éticas derivadas de algoritmos sesgados, el cumplimiento de la privacidad de los datos y las vulnerabilidades de seguridad. Debemos afrontar estos desafíos para garantizar el desarrollo y uso responsable de la IA.

Ahora, mientras nos embarcamos Parte 3 En nuestra serie, cambiamos nuestro enfoque hacia la orientación práctica. En este segmento, discutiremos lo que se debe y no se debe hacer con la IA y describiremos los pasos esenciales que debe seguir para utilizar la IA en su trabajo.

Lo que se debe y no se debe hacer con la IA en la atención médica y la investigación

A medida que la IA continúa dando forma al panorama de la atención médica y la investigación, es primordial comprender cómo aprovechar su poder de manera responsable y efectiva.

NO ignore la responsabilidad ética: Las consideraciones éticas en los datos de entrenamiento de IA son cruciales, ya que el sesgo puede conducir a resultados desiguales. Es esencial priorizar la equidad y la justicia en la utilización de la IA para evitar pasar por alto cuestiones éticas, particularmente en ámbitos como la atención médica.

NO se apresure a utilizar la IA sin una cuidadosa consideración: Si bien las capacidades de análisis de datos de la IA pueden descubrir patrones y tendencias ocultos, beneficiando tanto a la investigación como a la atención médica, es importante que los usuarios consideren cuidadosamente cómo y cuándo usar la IA de manera segura.

NO ingrese PII o PHI: La privacidad personal y del paciente debe seguir siendo nuestra prioridad número uno. Recuerde que Generative AI tomará cualquier información que usted proporcione y potencialmente utilizará esta información al responder a otras organizaciones. Por esta razón, la información confidencial o restringida debe nunca cargarse en una plataforma de IA generativa.

NO renuncies al elemento humano: Si bien la IA puede ayudar con las tareas, no permita que piense en su nombre. La IA carece de emociones o pensamientos humanos. Recuerde la importancia de verificar los hechos y participar en el pensamiento crítico.

Priorice la ciberseguridad: Hacer hincapié en la ciberseguridad para protegerse contra las amenazas relacionadas con la IA. Los ciberdelincuentes utilizan la IA para ataques avanzados, como deepfakes y malware polimórfico, lo que hace que la vigilancia sea crucial.

Aborde la pureza de los datos: Todo el mundo debería comprender la base de datos de la IA y sus posibles sesgos. Esto minimiza los problemas de confianza y ayuda a verificar las respuestas generadas por la IA.

Asegure la privacidad de los datos en la atención médica: Cumplir con HIPAA para la privacidad del paciente. Utilice conjuntos de datos sintéticos y de desidentificación para proteger la información del paciente mientras utiliza la IA en la atención médica.

Tenga cuidado: La IA está acelerando muchos aspectos de nuestro trabajo, lo que puede hacer que sea más fácil cometer errores y hacer cosas malas. Sea conciso y cuidadoso al aprovechar las herramientas de IA en el lugar de trabajo.

¿Cómo empiezo a utilizar la IA generativa en mi zona?

Ahora que comprende los beneficios y desafíos de la IA generativa como ChatGPT o Bard, quizás se pregunte cómo su equipo puede aprovechar esta poderosa tecnología.

¡Buenas noticias! Puedes probar la IA generativa usando Copiloto, nuestra función de chat protegida internamente en Bing. ¡Empiece a chatear con unos sencillos pasos!

1. Ingresa a la red de Salud y Ciencias de la Salud de la UNM.
2. Navegue a Microsoft Bing.       

1. Haz clic en Chat en la esquina superior izquierda.
2. ¡Empiece a chatear!     

Si elige utilizar herramientas de inteligencia artificial para trabajos distintos al chat protegido internamente descrito anteriormente, hay un par de cosas que deberá hacer.

• Nuestra Oficina de Seguridad de la Información y nuestros equipos de Ciberseguridad realizarán un seguimiento de las solicitudes de IA generativa a través de Learning Central.
• Cualquiera que desee utilizar IA que no sea Copilot debe completar el módulo de aprendizaje de IA generativa.
• Para completar este módulo, inicie sesión en Learning Central y busque CLT 303 IA generativa en investigación y atención sanitaria.

 ¿Quieres aprender más sobre la IA?

¡Nuestra serie de tres partes sobre IA generativa solo toca la superficie! ¡Hay mucho más que puedes aprender sobre cómo la IA generativa está transformando la investigación, la atención médica y MUCHO más! Mira este artículo de HIMSS (Sociedad de Sistemas de Gestión e Información Sanitaria)  sobre el poder y el potencial de los grandes modelos lingüísticos en la atención sanitaria.

 ¿Quieres probar la IA pero no sabes por dónde empezar?

Consulta este Guía para principiantes sobre los conceptos básicos de cómo escribir una consigna para obtener las mejores respuestas. ¿Quieres profundizar más? Obtenga información más detallada sobre cómo escribir indicaciones efectivas con este blog de phData.

 En conclusión

Nuestra serie ha explorado la IA en la atención sanitaria y la investigación. Comenzamos descubriendo el potencial y las consideraciones éticas de la IA generativa. Ahora, en la parte final, ofrecemos orientación práctica: priorizar la ciberseguridad, comprender la pureza de los datos y garantizar la privacidad de los datos.

Gracias por acompañarnos en esta exploración del potencial, los desafíos y las aplicaciones prácticas de la IA. Esperamos ver el impacto positivo que la IA seguirá teniendo en la atención sanitaria y la investigación a medida que avancemos juntos.