Científicos del Dana-Farber Cancer Institute y Weill Cornell Medical College han desarrollado y probado nuevas herramientas de inteligencia artificial diseñadas específicamente para patología digital, un campo relativamente nuevo que utiliza imágenes digitales de alta resolución creadas a partir de muestras de tejido para diagnosticar enfermedades e informar decisiones de tratamiento.

su papel publicado en Salud digital The Lancet El 9 de julio de 2024, un estudio demostró que ChatGPT, un modelo de lenguaje de IA desarrollado para comprender y generar texto, se puede diseñar utilizando una técnica de IA llamada generación de recuperación aumentada, para proporcionar respuestas precisas a preguntas sobre patología digital y agregar resultados detallados.

Los autores también descubrieron que ChatGPT puede ayudar a los patólogos, que no tienen una amplia experiencia en codificación, a utilizar software complejo para analizar muestras de tejido, ayudando eficazmente a cerrar la brecha entre las habilidades de patología y las habilidades de patología digital.

ChatGPT es un modelo de lenguaje grande (LLM), lo que significa que genera texto sobre una amplia gama de temas utilizando cantidades masivas de datos. “Los modelos de lenguaje grandes son buenos para tareas generales, pero no son las mejores herramientas para contener información útil para campos especializados.

Para crear herramientas de inteligencia artificial que puedan aumentar la eficiencia y precisión de la patología digital, el autor correspondiente, el Dr. Renato Ometon, director de operaciones de inteligencia artificial y servicios de ciencia de datos, división de informática y análisis de Dana-Farber, dirigió el esfuerzo para personalizar y mejorar las capacidades de ChatGPT para este propósito específico.

Mejora de la precisión de la inteligencia artificial en patología

“Hay dos problemas principales con los formularios generales de LLM. El primero es que a menudo dan respuestas largas y generales que, aunque correctas, no contienen suficiente información detallada”, dice Omar. “En segundo lugar, estos modelos pueden imaginar e inventar cosas de la nada, incluidas citas de la literatura. Esto es especialmente malo en campos especializados como la patología digital y la biología del cáncer, por ejemplo”.

Para abordar estos problemas, Umeton comenzó a utilizar la variante ChatGPT segura, privada y protegida de Dana-Farber (GPT4DFCI). Mejoraron GPT4DFCI con acceso a una base de datos completa y seleccionada de los últimos avances en patología digital, que consta de 650 publicaciones desde 2022 en adelante, con un total de más de 10,000 páginas de literatura.

“Podemos pedirle a este nuevo sistema que nos informe sobre muchos temas o técnicas específicas en patología digital y obtener resultados en segundos, con un nivel de detalle, profundidad y resumen que no se encuentra en las herramientas de literatura científica ni en los motores de búsqueda actuales”, señaló Ometon. mejorar efectivamente las capacidades de los investigadores”.

Utilizaron una tecnología llamada Retrieval Augmented Generation (RAG), que permitió a GPT4DFCI acceder a documentos o información relevantes de esta base de datos especializada y generar respuestas precisas a las indicaciones de los usuarios sobre patología digital, pero nada fuera de este campo.

Omar y sus colegas hicieron preguntas a GPT4DFCI específicas sobre patología digital y compararon las respuestas con las proporcionadas por ChatGPT 4. Al pedirle a GPT4DFCI que proporcionara enlaces a las publicaciones específicas que utilizó para generar respuestas, determinaron que las respuestas eran precisas y objetivas.

El modelo mejorado proporcionó respuestas más precisas y relevantes que ChatGPT 4 y no cometió ningún error, ni siquiera una vez. “Espero que este modelo sirva de catalizador para la aparición de herramientas más especializadas en otras áreas de la medicina o de la investigación médica”, afirma Omar.

La IA ayuda en la codificación

El segundo software de IA desarrollado por el equipo ayuda a los patólogos a utilizar PathML, una biblioteca de software especializada que requiere familiaridad con el lenguaje de programación Python para analizar conjuntos de datos de imágenes patológicas grandes y complejos. “Los patólogos o científicos sin experiencia previa en codificación pueden tener dificultades para utilizar PathML para tareas de análisis de imágenes”, dijo Omar.

Los investigadores integraron PathML con ChatGPT, permitiendo a los usuarios interactuar con documentos PathML a través de la funcionalidad de chat. Los usuarios pueden simplemente escribir sus preguntas sobre el uso de PathML para analizar imágenes de histopatología (múltiples imágenes, microarrays de tejido o evaluaciones cuantitativas de biomarcadores, por ejemplo) y la herramienta proporcionará instrucciones precisas paso a paso sobre cómo codificar sus análisis.

“La IA generativa ha demostrado ser útil para proporcionar orientación estructurada sobre qué materiales consultar y cómo organizar el viaje de aprendizaje para nuevos temas”, dijo Ometon.

“Nuestra investigación muestra que, cuando se combinan con técnicas apropiadas de recuperación de información, ChatGPT y herramientas de inteligencia artificial protegidas, como GPT4DFCI, pueden ser muy efectivas para apoyar a los investigadores básicos. Estas herramientas son útiles incluso en temas muy complejos que requieren respuestas muy precisas, como lo digital. patología”.