Asistente virtual de salud multilingüe

Área de la Ciencia:

• Inteligencia artificial en el cuidado de la salud
• Procesamiento del lenguaje natural para aplicaciones médicas
• Lingüística computacional

Sus antecedentes:

• Los asistentes de atención médica convencionales luchan con el soporte multilingüe y las entradas complejas de los usuarios.
• Los modelos de memoria larga a corto plazo (LSTM) enfrentan desafíos con dependencias de largo alcance en datos secuenciales.
• Necesidad de modelos avanzados capaces de comprender matices en diversos contextos lingüísticos.

Objetivo del estudio:

• Proponer un marco de asistencia sanitaria virtual que aproveche los modelos de transformador.
• Mejorar el apoyo multilingüe para una asistencia sanitaria eficiente y precisa.
• Mejorar el diagnóstico y la predicción de enfermedades utilizando IA avanzada.

Principales métodos:

• Utilizó un modelo de transformador para procesar entradas de usuario sofisticadas y multilingües.
• Mecanismos de autoatención empleados para el procesamiento paralelo y la comprensión contextual.
• Comparación del rendimiento del modelo de transformador con los modelos de memoria larga a corto plazo (LSTM).

Principales resultados:

• El modelo de transformador logró una precisión del 85%, superando significativamente la precisión del 65% de LSTM.
• Demostrado rendimiento superior en la traducción multilingüe (por ejemplo, de inglés a francés: 0,7 BLEU).
• Se logró una precisión de más del 85% en la predicción de la enfermedad basada en el análisis de los síntomas en toda la población.

Conclusiones:

• La arquitectura transformadora ofrece ventajas significativas para los asistentes virtuales de salud multilingües.
• El sistema propuesto proporciona un diagnóstico y una predicción precisos de la enfermedad con una mejor comprensión contextual.
• El asistente virtual brinda apoyo efectivo a los usuarios en su idioma preferido para mejorar el acceso a la atención médica.