- Un equipo del I3PT demuestra el potencial de los modelos de lenguaje para acelerar la creación de herramientas diagnósticas vitales
Un avance significativo en el campo de la inteligencia artificial (IA) podría transformar la forma en que se detectan y gestionan las asincronías respiratorias en pacientes con ventilación mecánica. Investigadores del Instituto de Investigación e Innovación Parc Taulí (I3PT) han publicado recientemente un estudio en la revista BMJ Health Care Informatics que revela el sorprendente potencial de los modelos de lenguaje grande (LLM), tales como ChatGPT, Claude, Gemini o Búsqueda profunda, en la generación de código capaz de clasificar estas desincronizaciones complejo con una alta precisión.
Las asincronías paciente-ventilador, desajustes entre la respiración del paciente y el soporte de la máquina, son un problema común en las Unidades de Cuidados Intensivos (UCI). Detectarlas y clasificarlas es crucial para una atención óptima, pero tradicionalmente requiere un análisis exhaustivo de señales fisiológicas por parte de equipos.
El ingenio humano detrás de la IA
Antes de este último descubrimiento, el equipo del I3PT —formado por médicos e ingenieros— ya había desarrollado un algoritmo de IA pionero capaz de detectar y clasificar precozmente las asincronías de flujo. Francesc Suñol, primer autor del estudio, explica:
"Nuestro algoritmo aprende de casos anteriores y reconoce patrones en las señales de respiración para identificar desajustes y su gravedad".
La pregunta que se plantearon los investigadores fue si los nuevos LLM podrían directamente reconocer y clasificar estas asincronías sin entrenamiento previo. La respuesta inicial fue negativa: estos modelos, por sí solos, no están capacitados para esta tarea específica.
La sorpresa: los LLM como desarrolladores de código
Sin embargo, la verdadera innovación llegó cuando el equipo pidió a los LLM que generaran código para una red neuronal diseñada para esa clasificación. Los resultados fueron “excelentes”, según los investigadores. código generado por los modelos de IA obtuvo, en minutos, un rendimiento casi idéntico al que el equipo del I3PT había desarrollado durante semanas de trabajo.
Suñol, F (2025, junio) Detección de asincronías paciente-ventilador mediante modelos extensos de lenguaje. [Comunicación oral]. Sabadell.
Potenciando la experiencia humana, no sustituyéndola
Estos resultados no implican la sustitución de la experiencia humana, sino que la pone en valor. Leonardo Sarlabous, coordinador del Laboratorio de Señales y último autor del estudio, enfatiza:
"Esta tecnología no sustituye a la experiencia humana, sino que la complementa. Todavía es necesaria la supervisión de un profesional experto para validar los resultados".
Sarlabous subraya la implicación más amplia de esta investigación: “Esto demuestra que los LLM no son sólo herramientas de chatbot; sino que pueden ayudar a crear modelos clínicos potentes más rápidamente, con mínima codificación humana”.
El estudio concluye que, si bien los LLM no pueden reemplazar el entrenamiento específico para la clasificación de asincronías, sí actúan como “asistentes poderosos” para generar las herramientas necesarias. A pesar de la prometedora eficiencia y el ahorro de recursos que este avance puede suponer para los entornos hospitalarios, Sarlabous advierte que "queda un largo camino por recorrer antes de que veamos estas herramientas en la práctica clínica; la validación y la supervisión ética siguen siendo esenciales".
Deje un comentario