- Un equip de l’I3PT demostra el potencial dels models de llenguatge per accelerar la creació d’eines diagnòstiques vitals
Un avenç significatiu en el camp de la intel·ligència artificial (IA) podria transformar la manera com es detecten i gestionen les asincronies respiratòries en pacients amb ventilació mecànica. Investigadors de l’Institut d’Investigació i Innovació Parc Taulí (I3PT) han publicat recentment un estudi a la revista BMJ Health Care Informatics que revela el sorprenent potencial dels models de llenguatge gran (LLM), com ara ChatGPT, Claude, Gemini o Deepseek, en la generació de codi capaç de classificar aquestes desincronitzacions complexes amb una alta precisió.
Les asincronies pacient-ventilador, desajustos entre la respiració del pacient i el suport de la màquina, són un problema comú en les Unitats de Cures Intensives (UCI). Detectar-les i classificar-les és crucial per a una atenció òptima, però tradicionalment requereix una anàlisi exhaustiva de senyals fisiològics per part d’equips experts, un procés que pot durar setmanes.
L’enginy humà darrere de la IA
Abans d’aquest darrer descobriment, l’equip de l’I3PT —format per metges i enginyers— ja havia desenvolupat un algoritme d’IA pioner capaç de detectar i classificar precoçment les asincronies de flux. Francesc Suñol, primer autor de l’estudi, explica:
“El nostre algoritme aprèn de casos anteriors i reconeix patrons en els senyals de respiració per identificar desajustos i la seva gravetat”.
La pregunta que es van plantejar els investigadors va ser si els nous LLM podrien directament reconèixer i classificar aquestes asincronies sense entrenament previ. La resposta inicial va ser negativa: aquests models, per si sols, no estan capacitats per a aquesta tasca específica.
La sorpresa: els LLM com a desenvolupadors de codi
No obstant això, la veritable innovació va arribar quan l’equip va demanar als LLM que generessin codi per a una xarxa neuronal dissenyada per a aquesta classificació. Els resultats van ser “excel·lents”, segons els investigadors. El codi generat pels models d’IA va obtenir, en minuts, un rendiment gairebé idèntic al que l’equip de l’I3PT havia desenvolupat durant setmanes de feina.
Suñol, F (2025, juny) Detección de asincronías paciente-ventilador mediante modelos extensos de lenguaje. [Comunicació oral]. Sabadell.
Potenciant l’expertesa humana, no substituint-la
Aquests resultats no impliquen la substitució de l’expertesa humana, sinó que la posa en valor. Leonardo Sarlabous, coordinador del Laboratori de Senyals i últim autor de l’estudi, emfatitza:
“Aquesta tecnologia no substitueix l’expertesa humana, sinó que la complementa. Encara cal la supervisió d’un professional expert per validar els resultats”.
Sarlabous subratlla la implicació més àmplia d’aquesta investigació: “Això demostra que els LLM no són només eines de xatbot; sinó que poden ajudar a crear models clínics potents més ràpidament, amb mínima codificació humana”.
L’estudi conclou que, si bé els LLM no poden reemplaçar l’entrenament específic per a la classificació d’asincronies, sí que actuen com a “assistents poderosos” per generar les eines necessàries. Tot i la prometedora eficiència i l’estalvi de recursos que aquest avenç pot suposar per als entorns hospitalaris, Sarlabous adverteix que “queda un llarg camí per recórrer abans que vegem aquestes eines a la pràctica clínica; la validació i la supervisió ètica continuen sent essencials”.
Leave a Reply