En los últimos años, los avances de la tecnología médica han acaparado nuestra atención, pero aunque puedan suponer un gran avance en el sector, su uso puede venir acompañado de grandes retos. Imagina el potencial de un nuevo descubrimiento impulsado por una herramienta de IA que no solo comprende textos médicos complejos, sino que también se adapta a un dominio específico. Esta es la promesa de Retrieval-Augmented Fine Tuning (RAFT), una alternativa a los grandes modelos lingüísticos (LLM) más generalistas, que ha demostrado rendir mejor en determinados casos de uso y dominios adaptando un modelo más pequeño a diferentes sectores. En este caso, el sector de la salud.
Esto es especialmente importante en áreas específicas, como la inmunoterapia contra el cáncer, donde intervienen diferentes protocolos de tratamiento y puntos de datos de pacientes. En este contexto, las organizaciones necesitan soluciones de IA que puedan ofrecer respuestas precisas y, al mismo tiempo, mantener la información confidencial completamente in-house. Pero, ¿cumple RAFT estas exigencias? En una reciente investigación realizada por el equipo técnico de Globant Enterprise AI, se llegó a conclusiones interesantes que responden a esta y más preguntas.
Por qué la inmunoterapia contra el cáncer necesita una IA más inteligente
La inmunoterapia contra el cáncer utiliza el sistema inmunitario del organismo para combatir las células cancerosas. A diferencia de los tratamientos tradicionales, la inmunoterapia tiene un enfoque más específico, lo que puede reducir los efectos secundarios. Por eso la selección de este dominio para la investigación fue estratégica, teniendo en cuenta tanto su relevancia clínica como la naturaleza altamente sensible y privada de los datos de los pacientes implicados en los protocolos de inmunoterapia.
RAFT es un método que aborda estas necesidades de forma inteligente ajustando modelos de IA más pequeños para tareas especializadas. Se trata de enseñar a un modelo “pequeño pero poderoso” más conocimientos específicos del sector, de los que pueden carecer otros modelos, para que pueda convertirse en un experto en inmunoterapia contra el cáncer o en otros campos específicos de la industria, sin acaparar recursos. En pocas palabras:
- “Fine-tuning” o puesta a punto: Proceso de entrenamiento adicional de un modelo con entrenamiento previo en relación con un conjunto de datos específico para especializarlo en una tarea concreta. En este caso, la especialización es en inmunoterapia contra el cáncer.
- “Retrieval” o recuperación: Dotar al modelo de una “biblioteca” de información específica y relevante que esté disponible siempre que la necesite, como si se tratara de un conjunto digital de referencias.
Este enfoque permite a las organizaciones mantener el control sobre sus datos sin dejar de beneficiarse de las capacidades avanzadas de IA, reduciendo los costos computacionales y minimizando el riesgo de exposición de los datos.
Superar a los “grandes”
Una de las conclusiones del estudio es que estos modelos podrían alcanzar un rendimiento competitivo en comparación con modelos comerciales de mayor tamaño, lo que demuestra el potencial de las soluciones de IA rentables y eficientes en la atención sanitaria. Es como un artesano experto que domina un único oficio especializado en lugar de intentar hacer todos los trabajos del taller. El método RAFT, que se basa en datos específicos del sector y en un cuidadoso ajuste de los parámetros del modelo, permite a estos pequeños sistemas de IA resolver cuestiones muy técnicas con notable precisión, a menudo por una fracción del costo y una menor carga computacional.
Y lo que es aún mejor, cuando se conectan a una pipeline mejorada por recuperación, estos modelos se mantienen precisos gracias a las referencias médicas pertinentes en tiempo real. Esto significa que es menos probable que “alucinen” con las respuestas, un problema habitual en los grandes sistemas genéricos de IA. Se trata de una gran noticia para las empresas que buscan reducir las costosas necesidades de infraestructura, mantener la seguridad de los datos y seguir ofreciendo el mismo nivel de respuestas detalladas y precisas (o incluso respuestas mejores).
Globant Enterprise AI: Donde la innovación se une a la accesibilidad
Esta iniciativa se integró en la plataforma Globant Enterprise AI (GEAI), que sirve de centro para ofrecer capacidades avanzadas de IA a los clientes. A través de esta exploración, el equipo de Globant se propuso perfeccionar sus procesos y mejorar su capacidad para ofrecer soluciones de IA personalizadas, eficientes y seguras que satisfagan las necesidades específicas de diversos sectores. Con capacidades multi-cloud y un diseño que se adapta sin esfuerzo a los entornos empresariales, GEAI garantiza que las empresas puedan aprovechar la potencia de los modelos preparados para RAFT.
RAFT representa una nueva ola de IA, en la que confluyen conocimientos específicos, implantaciones asequibles y una sólida protección de los datos. Especialmente para un campo como la inmunoterapia contra el cáncer, pero con potencial para ampliarse a muchos más, esto significa conocimientos más rápidos y precisos, sin las preocupaciones de enviar información sensible de los pacientes a otra parte. Las organizaciones dispuestas a aprovechar los avances de la IA para lograr un cambio real e impactante están preparadas para aumentar su ventaja con RAFT. Y con Globant Enterprise AI de su lado, tendrás las herramientas y la flexibilidad para dar vida a estas innovaciones, de forma segura y escalable.
Lee la investigación completa aquí y descubre lo que Globant Enterprise AI puede hacer por tu empresa.
