Post di SIIAM-Società Italiana Intelligenza Artificiale in Medicina

Questo è un punto veramente interessante da approfondire. Test randomizzato con due gruppi di medici, uno supportato da LLM (ChatGPT) con accesso alle fonti tradizionali e il secondo gruppo di medici con le solo fonti tradizionali. I due gruppi non hanno dato differenze di performance: si potrebbe dire che il LLM non ha portato un miglioramento. Invece no. Fatto eseguire identico test al solo modello LLM, i risultati sono stati superiori dei due gruppi di medici. Il medico è stato un fattore di riduzione delle performance del LLM? SIIAM-Società Italiana Intelligenza Artificiale in Medicina

Una ricerca condotta dall’Icahn School of Medicine at Mount Sinai ha individuato strategie per implementare i modelli linguistici avanzati (LLM), un tipo di AI, nei sistemi sanitari, riducendo i costi senza compromettere le prestazioni. Pubblicato su Npj Digital Medicine, lo studio propone una roadmap per automatizzare attività cliniche, migliorare l’efficienza operativa e diminuire i costi delle chiamate API fino a 17 volte. I ricercatori hanno condotto oltre 300.000 esperimenti per valutare le prestazioni dei modelli, stressandoli con carichi di lavoro crescenti. Un risultato chiave è stato identificare che raggruppare fino a 50 attività, come la selezione di pazienti per studi clinici o l’estrazione di dati per ricerche epidemiologiche, consente agli LLM di mantenere un’elevata accuratezza operativa. Questa metodologia potrebbe tradursi in significativi risparmi economici, rendendo l’AI accessibile anche per strutture di grandi dimensioni. Tuttavia, i modelli, inclusi GPT-4, hanno mostrato segni di difficoltà con carichi cognitivi estremi, sottolineando l’importanza di riconoscere i limiti operativi per garantire stabilità e affidabilità. Il team di ricerca sottolinea come l’approccio consenta di liberare risorse da destinare direttamente all’assistenza ai pazienti, ottimizzando il workflow clinico. L’obiettivo futuro è testare le capacità degli LLM in ambienti sanitari reali, monitorandone le prestazioni con pazienti veri e valutando nuove generazioni di modelli per ampliarne ulteriormente le applicazioni nel settore sanitario. https://lnkd.in/eZQe4hJV

JAMA NETWORK OPEN - INTELLIGENZA ARTIFICIALE: CHATGPT SUPERIORE AI MEDICI NEL RAGIONAMENTO DIAGNOSTICO - Studio clinico randomizzato con la partecipazione di 50 Specialisti e l'impiego di GPT-4 ( LLM = large language model ), effettuato da ricercatori della Stanford University, Beth Israel Deaconess Medical Center, University of Virginia OBIETTIVO: verificare la capacità di risoluzione di casi clinici RISULTATI: il punteggio di ragionamento diagnostico per caso è stato di: 92% solo ChatGPT 76% Medico con ausilio di ChatGPT 74% Medico senza ausilio di ChatGPT * la differenza di 2 punti tra i Medici che si sono avvalsi di ChatGPT e quelli che non hanno usufruito di questo strumento è spiegabile con la scarsa confidenza che i medici avevano con ChatGPT Studio su JAMA Network Open LINK: https://lnkd.in/dPGcrkbK ********* XAGENA SOLUZIONI PER L'INTELLIGENZA ARTIFICIALE APPLICATA ALL'HEALTHCARE: A) Clinical Decision Support in Oncology B) Clinical Decision Support in Hematology ********* XAGENA: MACHINE LEARNING IN MEDICINA, IN PARTICOLARE IN ONCOLOGIA OncologiaMedica.net & EMATOLOGIA Ematologia.it. PER LA SUA INDIPENDENZA, XAGENA OFFRE AL MEDICO UN'INFORMAZIONE VALIDATA & IMPARZIALE ***** #Pharma #Farmaci #Farmacia #Farmaceutica #Farmaceutico #Medicina #Comunicazione #Marketing #Infermieri #Medici #Paziente #Web #ECM #FAD #Informazione #Formazione #MMG #MedicinaGenerale #AggiornamentoMedico #ProductManager #BrandManager #AccountManager #Direttore #DirettoreEsecutivo #DirettoreMedico #DirettoreCommerciale #Informatori #SalesManager #MedicalManager #Medica #MotorediRicerca #SearchEngine #DatabaseMedico #Farmacista #ISF #Informatore #KAM #Biologo #Farmacisti #AreaManager #MSL #ResponsabileVendite #DigitalHealth #Medicine #XagenaAI #Xagena #XagenaMedicina #MotoridiRicerca #MachineLearning #CongressiMedici #ConsulenteMedico #ConsulenteMarketing #Oncologia #Ematologia #Oncology #Hematology #Perplexity #Bing #BingAI #Microsoft #Copilot #Bard #Gemini #Google #Gemini #AI #ArtificialIntelligence #IntelligenzaArtficiale #IA #Specializzandi #Manager #DeepMind #JAMA #JAMANetwork #StanfordUniversity #BethIsrael #HarvardMedicalSchool #VirginiaUniversity -

Inutile porre limiti allo sviluppo dell'AI. Occorre governare questa straordinaria evoluzione umana con strumenti adeguati Le possibilità di superare le frontiere anche della medicina d'urgenza sono enormi. Pensate a modelli predditivi che vi possano guidare nella scelta clinica in base ai dati su quel singolo paziente. O immaginate solo come gestire in maniera avanzata il triage partendo dai sintomi in base a modelli evoluti. Ovviamente, come dico ai miei studenti, il singolo paziente non è una linea guida da seguire e occorre sempre ragionare sulla complessità. IA ci deve affiancare e aiutare a trovare soluzioni alla complessità https://lnkd.in/dwgCWdTq

La notizia di Med-Gemini, la nuova famiglia di modelli di #AI progettati appositamente per l’ambito medico da Google e DeepMind conferma che l’healthcare è uno dei settori più promettenti per lo sviluppo dell’intelligenza artificiale. Potenzialità enormi derivanti dalla possibilità di elaborare una vasta gamma di dati utilizzando tecniche diverse, prefigurando una disruption nell’accuratezza e nell’interpretabilità delle diagnosi, nell’analisi approfondita delle cartelle cliniche elettroniche e nel miglioramento delle interazioni tra operatori sanitari e pazienti. Quello dell’AI è un settore sfidante soprattutto per le aziende #pharma per utilizzare i dati in modo più efficiente e innovativo, con enormi vantaggi per i pazienti, i medici e per tutto il sistema salute. Sarà la vera rivoluzione per governare un ecosistema sempre più complesso? Per approfondimenti qui potete trovare il Paper su Med-Gemini pubblicato su arXiv: https://lnkd.in/dBKTguQa #PharmaPrime #AI #artificialintelligence #precisionmedicine #digitalhealth #healthcare

Cose da leggere stasera? Un bel post del nostro Gianluca Marmorato, professionista d’eccellenza impegnato in significativi progetti di #digitalhealthcare. Oggetto del post l’evidenza di in un’ampia varietà di applicazioni mediche che pone sfide considerevoli per l’intelligenza artificiale. Tecniche e tecnologie che richiedono ragionamento avanzato, accesso a conoscenze mediche aggiornate e comprensione di dati multimodali complessi. I modelli Gemini, con forti capacità generali nel ragionamento multimodale e a lungo contesto, offrono interessanti possibilità in medicina. Basandosi su questi punti di forza fondamentali di Gemini, presentiamo Med-Gemini, una famiglia di modelli multimodali altamente capaci specializzati in medicina con la capacità di utilizzare senza problemi la ricerca web e che può essere adattato in modo efficiente a nuove modalità utilizzando codificatori personalizzati. La ricerca in evidenza, valuta Med-Gemini su 14 benchmark medici, stabilendo nuove prestazioni all'avanguardia (SoTA) su 10 di essi e superando la famiglia di modelli GPT-4 su ogni benchmark in cui è fattibile un confronto diretto, spesso con un ampio margine. Sul popolare benchmark MedQA (USMLE), il modello utilizzato dai ricercatori, Med-Gemini, con le migliori prestazioni, raggiunge prestazioni SoTA con una precisione del 91,1%, utilizzando una nuova strategia di ricerca guidata dall’incertezza. Su 7 benchmark multimodali, tra cui NEJM Image Challenges e MMMU (salute e medicina), Med-Gemini migliora rispetto a GPT-4V con un margine relativo medio del 44,5%. Al riguardo si dimostra l'efficacia delle capacità a lungo contesto di Med-Gemini attraverso le prestazioni SoTA su un'attività di recupero di un ago in un pagliaio da cartelle cliniche lunghe non identificate e risposte a domande video mediche, superando i precedenti metodi su misura utilizzando solo l'apprendimento in contesto. Infine, le prestazioni di Med-Gemini suggeriscono un’utilità nel mondo reale superando gli esperti umani in compiti come il riepilogo di testi medici, insieme a dimostrazioni di potenziale promettente per il dialogo medico multimodale, la ricerca medica e l’istruzione. Nel loro insieme, i risultati hanno offerto prove convincenti del potenziale di Med-Gemini, anche se un’ulteriore valutazione rigorosa sarà cruciale prima dell’implementazione nel mondo reale in questo settore critico per la sicurezza.

L'IA dei LLM per il supporto del clinico: pochi studi e di scarso valore, lo dice una review molto interessante pubblicata su JAMA. La sintesi... Risultati Principali • Sono stati esaminati 519 studi pubblicati tra il 2022 e il 2024. Solo il 5% ha utilizzato dati reali di pazienti. • Il 44,5% degli studi ha valutato la conoscenza medica (es. superamento di esami di abilitazione medica), mentre il 19,5% si è concentrato sulla diagnosi. • Le applicazioni amministrative, come l'assegnazione di codici di fatturazione (0,2%) e la scrittura di prescrizioni (0,2%), sono state raramente studiate. • L'84,2% delle ricerche si è focalizzato su attività di risposta alle domande, mentre altre funzioni come la sintesi dei testi (8,9%) e il dialogo conversazionale (3,3%) sono state meno esplorate. • Il 95,4% degli studi ha usato l'accuratezza come principale metrica di valutazione, mentre aspetti come equità, bias, tossicità (15,8%), considerazioni di implementazione (4,6%) e incertezza del modello (1,2%) sono stati raramente analizzati. • Le specialità mediche più trattate sono state la medicina interna (16,4%), la chirurgia (11,4%) e l'oftalmologia (6,9%). Specialità meno esplorate includono la medicina nucleare (0,6%), la medicina fisica (0,4%) e la genetica medica (0,2%). Principali Criticità Identificate 1. Scarso utilizzo di dati reali dei pazienti → La maggior parte delle valutazioni si basa su domande teoriche, limitando la loro applicabilità clinica. 2. Mancanza di standardizzazione nelle metriche di valutazione → Non c’è consenso su quali dimensioni analizzare per ogni compito sanitario. 3. Scarsa attenzione alle applicazioni amministrative → Attività che potrebbero ridurre il carico di lavoro dei medici, come la gestione della documentazione clinica, sono poco studiate. 4. Disparità tra specialità → Alcune aree della medicina, come la genetica e la medicina nucleare, sono sottorappresentate negli studi sugli LLMs. 5. Mancata valutazione dell’impatto economico → Pur essendo stimati risparmi tra i 200 e i 360 miliardi di dollari grazie all'uso degli LLMs, pochi studi valutano i costi reali di implementazione. 6. Scarsa attenzione al bias e alla tossicità → Solo il 15,8% degli studi ha esaminato il potenziale bias nei modelli, un aspetto cruciale per la loro implementazione responsabile. 7. Mancanza di un sistema di segnalazione dei fallimenti → Attualmente non esiste un database per documentare i fallimenti degli LLMs in contesti sanitari, come avviene per farmaci e dispositivi medici. Valeria Lazzaroli , Gianluca Marmorato, Aisdet Associazione , Valerio Lombardi, Eugenio Santoro , ENTE NAZIONALE per l'INTELLIGENZA ARTIFICIALE - E.N.I.A.®

INTELLIGENZA ARTIFICIALE: CHATGPT SUPERIORE AI MEDICI NEL RAGIONAMENTO DIAGNOSTICO - Studio clinico randomizzato con la partecipazione di 50 Specialisti e l'impiego di GPT-4 ( LLM = large language model ), effettuato da ricercatori della Stanford University, Beth Israel Deaconess Medical Center, University of Virginia OBIETTIVO: verificare la capacità di risoluzione di casi clinici RISULTATI: il punteggio di ragionamento diagnostico per caso è stato di: 92% solo ChatGPT 76% Medico con ausilio di ChatGPT 74% Medico senza ausilio di ChatGPT * la differenza di 2 punti tra i Medici che si sono avvalsi di ChatGPT e quelli che non hanno usufruito di questo strumento è spiegabile con la scarsa confidenza che i medici hanno con ChatGPT Studio pubblicato il 28 Ottobre 2024 su JAMA Network Open ********* XAGENA SOLUZIONI PER L'INTELLIGENZA ARTIFICIALE APPLICATA ALL'HEALTHCARE ********* XAGENA MEDICAL NEWS PROVIDER PER L'INTELLIGENZA ARTIFICIALE: -> DATABASE -> ADDESTRAMENTO DEI BOT AI. IN MEDICINA, IN PARTICOLARE IN ONCOLOGIA OncologiaMedica.net & EMATOLOGIA Ematologia.it. PER LA SUA INDIPENDENZA, XAGENA OFFRE AL MEDICO UN'INFORMAZIONE VALIDATA & IMPARZIALE ***** #Pharma #Farmaci #Farmacia #Farmaceutica #Farmaceutico #Medicina #Comunicazione #Marketing #Infermieri #Medici #Paziente #Web #ECM #FAD #Informazione #Formazione #MMG #MedicinaGenerale #AggiornamentoMedico #ProductManager #BrandManager #AccountManager #Direttore #DirettoreEsecutivo #DirettoreMedico #DirettoreCommerciale #Informatori #SalesManager #MedicalManager #Medica #MotorediRicerca #SearchEngine #DatabaseMedico #Farmacista #ISF #Informatore #KAM #Biologo #Farmacisti #AreaManager #MSL #ResponsabileVendite #DigitalHealth #Medicine #XagenaAI #Xagena #XagenaMedicina #MotoridiRicerca #MachineLearning #CongressiMedici #ConsulenteMedico #ConsulenteMarketing #Oncologia #Ematologia #Oncology #Hematology #Perplexity #Bing #BingAI #Microsoft #Copilot #Bard #Gemini #Google #Gemini #AI #ArtificialIntelligence #IntelligenzaArtficiale #IA #Specializzandi #Manager #DeepMind #JAMA #JAMANetwork #StanfordUniversity #BethIsrael #HarvardMedicalSchool #VirginiaUniversity -

🚀 Un recente studio ha esplorato l'uso di ChatGPT come supporto nell'educazione medica e nella decisione clinica 🚀 Questo studio ha identificato diversi casi d'uso per il supporto nel fruire in modo efficiente nella vasta conoscenza medica, nel costruire diagnosi differenziali e nel prendere decisioni in situazioni di emergenza. ChatGPT ha mostrato potenziale nell'agevolare la gestione delle cure complesse e nel migliorare la produttività e la gestione dei compiti. Tuttavia, lo studio ha anche evidenziato preoccupazioni riguardo ai bias, alla possibilità di informazioni errate, all'etica e all'equità nella salute. È stato quindi sviluppato un codice di condotta per guidare l'uso etico e appropriato di ChatGPT. Mantenerci aggiornati su sperimentazioni ed esiti è fondamentale per comprendere come queste tecnologie possono essere integrate nei progetti in cui ci candidiamo, così da supportare i professionisti della salute nell'offrire cure sempre più avanzate ed efficienti! 👉 Link allo studio: https://lnkd.in/dBuhEceK 💡 Contattaci per scoprire come possiamo aiutare la tua organizzazione ad adottare nuove soluzioni innovative!

Negli ultimi tempi, mi sono ritrovato a esplorare come l'intelligenza artificiale possa migliorare la gestione ospedaliera. Tuttavia, non amo definirla "intelligenza artificiale", perché può far pensare che le macchine sostituiscano il giudizio umano. In realtà, preferisco parlare di sistemi di machine learning, che supportano le decisioni cliniche sfruttando la vastissima quantità di dati che oggi abbiamo a disposizione. Il machine learning è capace di analizzare enormi moli di dati che un essere umano non potrebbe gestire da solo. È proprio questa capacità di processare grandi volumi di informazioni che permette a questi sistemi di riconoscere schemi complessi e fornire previsioni utili. Non si tratta di sostituire il giudizio clinico, ma di integrarlo, fornendo validi strumenti ai professionisti. L'articolo presenta uno studio che utilizza modelli di machine learning per prevedere la durata della degenza ospedaliera nei pazienti geriatrici con fratture. Il modello si basa su variabili cliniche come l'età, il tipo di frattura e le condizioni funzionali dei pazienti, offrendo previsioni accurate sulla durata del ricovero e supportando i professionisti nel processo decisionale. Questo studio dimostra come questi sistemi possano migliorare l'accuratezza delle previsioni sulla durata delle degenze, consentendo una migliore organizzazione dei ricoveri e un'ottimizzazione delle risorse. Sono convinto che in futuro questi strumenti possano offrire un grande potenziale per migliorare i percorsi di cura e la gestione delle risorse. Sarà interessante vedere come si svilupperanno e quale sarà il loro vero impatto nella pratica quotidiana.