Un innovador método llamado “ensemble multiagente” se ha presentado como una solución revolucionaria para el etiquetado de datos en registros electrónicos de salud (EHR), un desafío crucial en la integración de modelos de aprendizaje automático en salud. Este enfoque, impulsado por grandes modelos de lenguaje (LLMs), optimiza la eficiencia y precisión en el proceso de etiquetado, mostrando un desempeño excepcional en tareas de salud reales como el etiquetado de un gran conjunto de electrocardiogramas (ECG).
El proceso de etiquetado manual de estos datos es desafiante debido a su naturaleza laboriosa y propensa a errores. Para enfrentar este obstáculo, se desarrolló un método que utiliza un conjunto de LLMs, donde cada predicción se trata como un voto dentro de un mecanismo de votación mayoritaria. Esta técnica ha demostrado ser altamente efectiva, etiquetando 623,566 informes de ECG con una asombrosa precisión estimada del 98.2%, según pruebas realizadas con este método.
Estos LLMs no solo superaron a los modelos individuales más avanzados, sino que también redujeron significativamente los errores de alucinación, un problema común en los sistemas de aprendizaje de máquina actuales. Esta metodología no solo optimiza los modelos individuales, sino que adopta un enfoque colaborativo que maximiza la precisión y eficiencia al combinar las fortalezas de múltiples modelos de lenguaje.
Además, el método probó su capacidad para generalizarse a otras tareas de etiquetado de texto, como la identificación de determinantes sociales de salud a partir de notas clínicas de EHR. Con un rendimiento competitivo, estas aplicaciones destacan la versatilidad del enfoque en diferentes contextos de datos de salud.
El uso de este método no solo automatiza un proceso previamente intensivo en tiempo y recursos, sino que también ofrece una solución escalable para desafíos de etiquetado en el sector de la salud. La posibilidad de reducir errores humanos y el tiempo de etiquetado ha abierto nuevas fronteras para el uso de inteligencia artificial en el ámbito clínico.
En conclusión, el enfoque de “ensemble multiagente” podría convertirse en una piedra angular para la digitalización de datos médicos, permitiendo a los profesionales concentrarse en el análisis y uso de información ya procesada, en lugar de la tediosa tarea de etiquetado, allanando así el camino para más innovaciones en tratamientos y diagnósticos de salud basados en datos.