Investigadores de Northwestern Medicine han desarrollado un nuevo modelo de IA, FHIR-GPT, que aprovecha la potencia de los grandes modelos lingüísticos (LLM) para convertir datos clínicos en Recursos de Interoperabilidad Sanitaria Rápida (FHIR). Este avance, detallado en un estudio publicado en NEJM AI , muestra cómo FHIR-GPT logró una impresionante tasa de éxito del 90% en la correspondencia de textos clínicos con declaraciones de medicación FHIR, superando a las herramientas existentes.
Según el estudio, FHIR-GPT no sólo sobresalió en precisión, sino que también mejoró las tasas de coincidencia exacta de las actuales canalizaciones de PNL en márgenes notables:
«Con los LLM, podemos convertir los datos clínicos a un formato estándar, lo que permite crear conjuntos de datos más grandes y facilitar la comunicación entre las partes interesadas de la atención sanitaria».
Yikuan Li, autor principal del estudio
- 3% para vías de administración de medicamentos,
- 12% para cantidades de dosis,
- 35% de razones para la administración de medicamentos,
- 42% para formularios médicos,
- y más del 50% para los horarios de la medicación.
«Esto acelerará significativamente la eliminación de las barreras entre los sistemas sanitarios que bloquean la agregación y el intercambio de datos, lo cual es crucial para la investigación a gran escala, sobre todo con los avances de la IA generativa y la tecnología LLM», afirma Luo, profesor asociado de Medicina Preventiva en la División de Informática Biomédica y Sanitaria, director del Centro de IA Colaborativa en la Asistencia Sanitaria y autor principal del estudio.
Para conseguir estos resultados, se anotaron manualmente más de 3.600 textos clínicos y luego se utilizaron para impulsar GPT-4, un gran modelo lingüístico desarrollado por OpenAI.
«Con los LLM, podemos convertir los datos clínicos a un formato estándar, lo que permite crear conjuntos de datos más grandes y facilitar la comunicación entre las partes interesadas de la atención sanitaria», añadió Yikuan Li, autor principal del estudio y estudiante de quinto curso del Programa de Doctorado Integrado en Ciencias de la Salud.
FHIR-GPT y el reto de la interoperabilidad
Los autores destacaron la importancia de la interoperabilidad de los datos sanitarios no sólo para mejorar la atención a los pacientes, sino también para lograr la equidad sanitaria, sobre todo en la respuesta a las emergencias de salud pública.
Para acelerar el intercambio de datos críticos, organismos federales estadounidenses como la Oficina del Coordinador Nacional de Tecnología de la Información Sanitaria, los CDC y los Centros de Servicios de Medicare y Medicaid han facilitado la adopción del estándar FHIR.
«FHIR es como un idioma universal para los datos sanitarios, al igual que el inglés lo es para la comunicación internacional. Cuando los hospitales implantan FHIR, pueden compartir e interpretar los datos de los demás con mayor eficacia, lo que redunda en una mejor colaboración y atención al paciente», explicó Luo.
A pesar de este progreso, la transformación de los datos sanitarios en recursos FHIR sigue siendo un reto debido a la diversidad de infraestructuras, estándares y formatos utilizados por las organizaciones sanitarias de EE.UU. y Europa.
Meditecs aims to address these challenges by offering a comprehensive solution for health data interoperability. Through MT Smart Connect technology, Meditecs ensures the cost-effective implementation of interoperability projects across a variety of standards, including FHIR, HL7 V2.X, ASTM E1381, DICOM, and IHE Profiles. Find out today how to implement this technology in your organization.
