Si algo aprendimos durante la pandemia del COVID-19, es que necesitamos dotarnos de personal sanitario y medios hospitalarios por si vuelve a suceder algo similar. China se lo ha tomado muy en serio y por eso lanza el primer hospital gestionado por IA. El centro cuenta con 42 agentes autónomos especializados en IA médica, capaces de realizar diagnósticos, dar tratamientos y efectuar un seguimiento clínico sin intervención humana. El centro abarca 21 especialidades médicas, con aplicaciones iniciales en medicina general, oftalmología, diagnóstico por imagen y neumología.

Y tras una primera fase de simulación, Agent Hospital se irá implementando en hospitales reales, como el Beijing Tsinghua Changgung, durante 2025.

Cómo se desarrolló el primer hospital gestionado por IA

Para el desarrollo del primer hospital gestionado por IA, el equipo investigador generó registros médicos correspondientes a decenas de miles de pacientes virtuales, orientados al experimento de evolución autónoma de la inteligencia médica. Se incluyeron ocho enfermedades respiratorias, entre ellas gripe A, gripe B y COVID-19, involucrando más de diez exámenes médicos distintos. Según los investigadores, “un médico humano puede tratar aproximadamente a 100 pacientes por semana, requiriendo dos años para llegar a 10.000 diagnósticos; pero un agente inteligente puede completar esta tarea en pocos días”.

Fase de simulación

Durante la fase de simulación, todos los que participaron en el primer hospital gestionado por IA – incluyendo pacientes, enfermeras y médicos – fueron representados por agentes autónomos desarrollados a partir de grandes modelos de lenguaje (LLM). Esta metodología permitió recrear de manera precisa la interacción clínica, proporcionando un entorno controlado para el aprendizaje y perfeccionamiento de los agentes médicos. El «cerebro» de cada agente en el simulacro, ya sea un paciente, un enfermero o un médico, es un Gran Modelo de Lenguaje. Aunque los prototipos iniciales utilizaron modelos disponibles comercialmente como GPT-3.5 y GPT-4 de OpenAI para establecer una base de referencia, la arquitectura subyacente está diseñada para ser agnóstica al modelo.

Objetivo

El objetivo central de la simulación fue dotar al agente médico de la capacidad para aprender el tratamiento de diversas patologías en este entorno digital. Tal como se detalla en el artículo publicado en arXiv en 2024, para lograr este propósito se empleó el método MedAgent-Zero. Este sistema es capaz de generar grandes volúmenes de datos no etiquetados dentro del hospital virtual, facilitando así la mejora continua de los agentes médicos. Las competencias adquiridas se validaron posteriormente mediante la comparación con conjuntos de datos reales, garantizando la fiabilidad del proceso.

Adquisicion de experiencia y evolución de capacidades

La simulación hace posible la reproducción de la aparición y evolución de enfermedades mediante el uso de bases de conocimiento y modelos LLM. Gracias a este enfoque, los agentes médicos incrementan su experiencia tanto a partir de casos exitosos como de fracasos clínicos, lo que repercute en una mejora sostenida de su rendimiento terapéutico. Los resultados obtenidos por el equipo de investigación reflejan una evolución constante de las capacidades de los agentes en distintas tareas médicas.

Transferencia de conocimientos y precisión diagnóstica

El conocimiento adquirido por los agentes médicos en Agent Hospital ha demostrado ser transferible a los parámetros de referencia utilizados por Medicare en situaciones reales. Tras el tratamiento de aproximadamente diez mil pacientes, el agente médico evolucionado alcanzó una precisión destacada del 93,06% en un subconjunto del conjunto de datos MedQA, enfocado en las principales enfermedades respiratorias. Este logro constituye un avance significativo en la aplicación de agentes basados en LLM en el ámbito sanitario.