Con GenAI, GE HeathCare y AWS generarán grandes impactos en la salud

 

GE HealthCare (Nasdaq: GEHC) y Amazon Web Services, Inc. (AWS), confirmaron una colaboración estratégica para desarrollar modelos básicos específicos y aplicaciones de inteligencia artificial generativa (IA) diseñadas para ayudar a los médicos a mejorar el diagnóstico médico y la atención al paciente.

GE HealthCare seleccionó a AWS como su proveedor estratégico en la nube y planea utilizar sus servicios de asistencia sanitaria e IA generativa para crear e implementar nuevos y versátiles modelos básicos que transformen el futuro de la asistencia sanitaria.

Estos nuevos flujos de trabajo impulsados por IA generativa pretenden acelerar la entrega de innovaciones para agilizar las operaciones sanitarias, aumentar la precisión de los diagnósticos y las pruebas, mejorar los resultados, reducir los obstáculos de acceso y promover una atención equitativa, aliviando así la carga de trabajo de los proveedores y acelerando la innovación del sector.

 

Peter Arduini, Presidente y CEO de GE HealthCare, explica:

“Somos pioneros en tecnología médica desde hace más de un siglo. Con más de mil millones de pacientes en todo el mundo atendidos por nuestros productos, desempeñamos un papel importante en la mejora de la calidad de la atención y tenemos la responsabilidad de seguir ampliando los límites de lo que es posible para permitir la atención de precisión. Esta nueva colaboración con AWS nos permite construir sobre nuestro legado de innovación adoptando el poder de la IA para acelerar la creación de tecnologías médicas que esperamos redefinan los flujos de trabajo clínicos y la prestación de cuidados.”

 

La compañía pretende utilizar Amazon Bedrock, un servicio totalmente administrado que proporciona acceso seguro a los modelos básicos líderes del sector, para crear e implementar aplicaciones de IA generativa a medida, ampliando las ventajas de la IA generativa para sus clientes.

Aprovechando la seguridad y privacidad de nivel empresarial de Bedrock junto con una amplia selección de modelos básicos líderes del sector, la multinacional planea crear y escalar sus propias aplicaciones de IA generativa para casos de uso sanitario con el objetivo de mejorar la eficiencia, la prestación de cuidados y la experiencia del paciente.

Matt Garman, CEO de AWS, agreta:

“GE HealthCare está poniendo la IA generativa en el centro de su innovación, acelerada por las inversiones que hemos realizado en servicios en la nube específicos para la atención sanitaria y capacidades de IA generativa que proporcionan la mejor seguridad de su clase, privacidad de datos y acceso a los últimos modelos de cimientos de última generación. Con AWS como su proveedor de nube estratégico, GE HealthCare puede crear modelos y aplicaciones de fundamentos clínicos transformadores para el sector sanitario.”

 

Los desarrolladores internos de GE HealthCare tienen previsto utilizar Amazon Q Developer, un asistente generativo impulsado por IA para acelerar el desarrollo de software generando sugerencias de código en tiempo real, completando tareas de forma segura.

La compañía también espera utilizar Amazon Q Business para explorar la intersección de datos clínicos y operativos multimodales con el objetivo de reducir la carga cognitiva de los médicos, permitir la atención personalizada y aumentar la eficiencia.

Aprovechando la tecnología de IA generativa de AWS, GE HealthCare espera reducir los ciclos de desarrollo de aplicaciones clínicas de años a meses y acelerar la entrega de nuevas soluciones sanitarias.

 

El sector sanitario es responsable de alrededor del 30% de la generación de datos del mundo, pero el 97% de estos datos queda en gran medida sin explotar debido a su naturaleza no estructurada.

Esta colaboración se centrará en el desarrollo de modelos de fundamentos multimodales diseñados para analizar una amplia gama de datos médicos no estructurados (por ejemplo, historiales, informes e imágenes) y proporcionar conocimientos precisos y adaptables a multitud de aplicaciones sanitarias.

A diferencia del ML tradicional, estos modelos pueden construirse para interpretar datos de varias enfermedades y tareas simultáneamente.