La IA ya está ayudando a muchos de nosotros con las tareas que hacemos todos los días.
También está impulsando avances en la investigación que prometen transformar las cosas a escala global, como el descubrimiento de nuevos materiales y la mejora de la atención médica.
Dos nuevos artículos de investigación publicados esta semana en revistas científicas, uno en Nature y otro en Nature Machine Intelligence , muestran cómo los modelos básicos de IA generativa pueden acelerar exponencialmente el descubrimiento científico de nuevos materiales y ayudar a los médicos a acceder y analizar los resultados de radiología más rápidamente.
La investigación y su potencial son el resultado de amplias colaboraciones entre Microsoft, el mundo académico y el sector privado. En colaboración con sus socios de todo el mundo, Microsoft Research ha desarrollado modelos de base de IA generativa (modelos a gran escala que aprovechan los avances en IA) centrados en el descubrimiento de materiales y la radiología. Los modelos se crearon desde cero en Microsoft Azure y se están compartiendo públicamente para acelerar el desarrollo y los posibles usos.
“La ciencia puede ser la aplicación más importante de la IA. En Microsoft, creemos que la capacidad de la IA generativa para aprender el lenguaje de los humanos es equiparable a su capacidad para aprender el lenguaje de la naturaleza, incluidas las moléculas, los cristales, los genomas y las proteínas”, afirma Chris Bishop, director de Microsoft Research AI for Science. “Nos permitirá aprovechar la IA para abordar los desafíos más urgentes de la humanidad, desde la sostenibilidad hasta el descubrimiento de fármacos”.
MatterGen: una clave para descubrir mejores materiales (y soluciones) más rápidamente
El desarrollo de nuevos materiales ha sido un héroe anónimo del avance humano. Pensemos en cómo las vigas de acero son la columna vertebral de las ciudades modernas y los chips de silicio alimentan los teléfonos inteligentes. Es un proceso laborioso y costoso, similar a encontrar una aguja en un pajar, y puede costar millones o miles de millones de dólares.
Esto se debe a que, tradicionalmente, el desarrollo de nuevos materiales requiere analizar potencialmente millones de posibilidades, un proceso que puede llevar años y no tener garantías de éxito. La última investigación introduce un nuevo enfoque representado por MatterGen , un modelo de IA generativa que funciona de manera similar a los modelos de IA de texto a imagen y texto a video. En lugar de analizar un universo de posibles materiales, los investigadores proponen propiedades específicas y MatterGen genera nuevos materiales en función de esas propiedades.
Los experimentos han comenzado a validar el concepto. Cuando se sintetizó un material generado por MatterGen, sus propiedades se encontraban dentro del 20% de las propiedades del material deseado.
De manera similar al impacto de la IA generativa en el descubrimiento de fármacos , MatterGen tendrá un impacto profundo en cómo y con qué rapidez se diseña una amplia gama de materiales en campos que incluyen la electrónica, el almacenamiento de energía y la ingeniería biomédica.
El desarrollo de nuevos materiales eficientes para baterías, por ejemplo, podría permitir un almacenamiento de energía más sostenible, mientras que los avances en superconductores podrían conducir a mejoras revolucionarias en imágenes médicas o computación cuántica.
“Desde una perspectiva industrial, el potencial aquí es enorme”, afirma Tian Xie, director principal de investigación de AI for Science Cambridge en el Reino Unido. “La civilización humana siempre ha dependido de las innovaciones materiales. Si podemos utilizar la IA generativa para hacer que el diseño de materiales sea más eficiente, podríamos acelerar el progreso en industrias como la energía, la atención médica y más allá”.
RAD-DINO: Datos más rápidos para los médicos, mejor atención para los pacientes
El segundo avance en la investigación ayudará a los médicos a obtener datos médicos mejores y más completos con mayor rapidez, lo que potencialmente acelerará los diagnósticos y mejorará la atención al paciente.
Mayo Clinic y Microsoft Research están colaborando para desarrollar modelos de base multimodales que integren texto e imágenes para aplicaciones de radiología. Inicialmente, los equipos están explorando el uso de la tecnología de inteligencia artificial de Microsoft Research con los datos de rayos X de Mayo Clinic. Parte de ese trabajo implica una investigación publicada esta semana denominada RAD-DINO , llamada así por su enfoque en la radiología y un método de aprendizaje específico. Este nuevo enfoque para mejorar las imágenes puede ayudar a personalizar la atención al paciente y mejorar la precisión del diagnóstico.
El objetivo es ofrecer a los médicos un acceso más rápido a la información que necesitan para tratar a los pacientes. Los esfuerzos iniciales apuntan a desarrollar un modelo que genere automáticamente informes, evalúe cómo se han colocado los tubos y las vías mediante radiografías de tórax y detecte cambios con respecto a imágenes anteriores. Esto podría mejorar la forma en que los médicos trabajan y atienden a los pacientes al proporcionar análisis más eficientes y completos de las radiografías.
“Estoy entusiasmado por compartir nuestra colaboración con Mayo Clinic, uno de los hospitales más importantes del mundo, para abordar uno de los desafíos más urgentes en el ámbito de la atención médica: brindar medicamentos más rápidos y precisos”, afirma Javier Álvarez Valle, director sénior de IA multimodal de Microsoft Health Futures UK. “Un obstáculo clave radica en integrar de forma segura la IA generativa en los flujos de trabajo clínicos, y nuestro trabajo reúne a los mejores expertos en IA y medicina para hacerlo posible”.
Foto superior: Un investigador trabaja en un material generado por MatterGen y sintetizado en el laboratorio. (Foto proporcionada por el Instituto de Tecnología Avanzada de Shenzhen). Microsoft Blog. P. N. Traducido al español
Contacto