Modelo Lang1 da NYU Langone, treinado com notas de 10 milhões de pacientes, supera modelos gerais muito maiores em prever desfechos hospitalares
O estudo na Nature Medicine relata ganhos de até 24% na previsão de negativas de seguro, mas de apenas 1,6% na mortalidade hospitalar, frente a modelos como o DeepSeek R1.
Por que importa
O estudo mostra que um modelo menor treinado com os registros de um sistema de saúde pode superar modelos gerais muito maiores em previsões operacionais de rotina, algo relevante para hospitais que decidem qual IA adotar. O Lang1 parte do NYUTron, é quase 70 vezes maior e foi treinado com 80 bilhões de tokens de notas clínicas e 627 bilhões de texto geral. Os ganhos são maiores onde há pouco texto na internet, como negativas de seguro, e menores em mortalidade. A NYU Langone vai oferecer Lang1 e ReMedE a outros hospitais; vale acompanhar resultados além do Beth Israel.
Fatos principais
- Treinado com registros de mais de 10 milhões de pacientes em 20 anos
- 80 bilhões de tokens clínicos e 627 bilhões de texto geral
- Quase 24% melhor que o DeepSeek R1 em negativas de seguro
- 9% melhor em readmissões em 30 dias, 1,6% em mortalidade hospitalar
- Quase 70 vezes maior que o NYUTron
- Validado no Beth Israel, em Boston