El modelo Lang1 de NYU Langone, entrenado con notas de 10 millones de pacientes, supera a modelos generales mucho mayores al predecir resultados hospitalarios
El estudio en Nature Medicine informa mejoras de hasta un 24% en predecir denegaciones de seguros, pero solo del 1,6% en mortalidad hospitalaria, frente a modelos como DeepSeek R1.
Por qué importa
El estudio muestra que un modelo más pequeño entrenado con los registros propios de un sistema sanitario puede superar a modelos generales mucho mayores en predicciones operativas rutinarias, algo relevante para hospitales que eligen qué IA desplegar. Lang1 se basa en el anterior NYUTron, es casi 70 veces mayor y se entrenó con 80.000 millones de tokens de notas clínicas y 627.000 millones de texto general. Las mejoras son mayores donde hay poco texto en internet, como las denegaciones de seguros, y menores en mortalidad. NYU Langone ofrecerá Lang1 y ReMedE a otros hospitales; habrá que ver resultados más allá de Beth Israel.
Datos clave
- Entrenado con registros de más de 10 millones de pacientes en 20 años
- 80.000 millones de tokens clínicos y 627.000 millones de texto general
- Casi un 24% mejor que DeepSeek R1 en denegaciones de seguros
- 9% mejor en reingresos a 30 días, 1,6% en mortalidad hospitalaria
- Casi 70 veces mayor que NYUTron
- Validado en Beth Israel, Boston