CHARM: IA Práctica para Datos de Salud

¿Cómo puede la IA ir más allá de la experimentación y resolver problemas prácticos utilizando datos reales de salud? Esta sesión presentará CHARM (Colaboración para Armonizar Medidas del Registro Antimicrobiano), una iniciativa de administración de antimicrobianos que transforma los datos de salud en información práctica a través de paneles interactivos y análisis. Los asistentes verán cómo CHARM utiliza datos de organizaciones de salud participantes para examinar los patrones de prescripción de antibióticos, identificar oportunidades de mejora y apoyar los esfuerzos de administración de antimicrobianos. La sesión también mostrará dos proyectos de IA que se están desarrollando en torno al ecosistema de datos de CHARM. El primero utiliza modelos de lenguaje grandes (LLMs) de código abierto y alojados localmente para estandarizar los datos de prescripción mientras mantiene la información sensible de salud dentro de un entorno controlado. El proyecto combina procesamiento de datos estructurados, generación aumentada por recuperación (RAG), ajuste fino, evaluación sistemática y revisión humana para mejorar la precisión mientras reduce las alucinaciones y el esfuerzo manual de limpieza de datos. El segundo proyecto, CHARM Outlier, utiliza aprendizaje automático para identificar prescripciones de antibióticos que difieren de los patrones de prescripción esperados. Los registros marcados se presentan a través de una aplicación web donde los investigadores y profesionales de la salud pueden revisarlos y proporcionar comentarios. Esa retroalimentación se utiliza luego para mejorar las futuras predicciones del modelo, creando un enfoque de humano en el circuito para identificar prescripciones potencialmente inapropiadas. Juntos, estos proyectos demuestran cómo los paneles, los LLM implementados localmente, el aprendizaje automático y la experiencia humana pueden trabajar juntos para convertir datos complejos de salud en información útil mientras se abordan preocupaciones prácticas en torno a la privacidad, la precisión y la implementación responsable de la IA.