Un estudio dirigido por investigadores de la Universidad Mohamed bin Zayed ha presentado BiMediX2, un modelo de inteligencia artificial capaz de comprender e interpretar información en imágenes médicas, con análisis bilingüe en inglés y árabe, mostrando un rendimiento excepcional en el procesamiento de contenido árabe.
BiMediX2 es el primer sistema de IA capaz de analizar y describir imágenes médicas en inglés y árabe. Procesa una variedad de imágenes médicas, incluyendo radiografías, resonancias magnéticas y micrografías, proporcionando descripciones detalladas y respondiendo preguntas sobre el contenido de las imágenes. El modelo no solo mejora la precisión de la traducción en imágenes médicas, sino que también aumenta significativamente la capacidad de procesamiento del árabe.
Según el informe técnico, BiMediX2 ha demostrado un rendimiento excelente en las pruebas comparativas con tecnologías existentes, mejorando la traducción en un 9% para el inglés y en un 20% para el árabe. Este logro se basa en el entrenamiento exhaustivo con 1,6 millones de textos e imágenes médicas, asegurando una conversión precisa entre ambos idiomas.
El excelente rendimiento de BiMediX2 se debe a la innovación de su arquitectura subyacente. El sistema se basa en la arquitectura Llama3.1 y GPT-4o, optimizados específicamente para el ámbito médico. La combinación con Vision Encoder y Meta Llama3.1 permite un análisis de imágenes médicas bilingües sin problemas. En las pruebas, demostró una mayor capacidad que GPT-4o para identificar información médica incorrecta.
Aunque el rendimiento de BiMediX2 es alentador, los investigadores destacan que el sistema está actualmente limitado a fines de investigación y aún no se ha aplicado en entornos clínicos. Como todos los sistemas de IA, BiMediX2 puede cometer errores o generar información inexacta. Por lo tanto, el equipo de investigación ha publicado el modelo en Hugging Face y ha lanzado un benchmark bilingüe llamado BiMed-MBench para probar el rendimiento de sistemas similares.
BiMediX2 representa una innovación importante en el análisis de imágenes médicas, especialmente en el procesamiento y traducción de imágenes médicas bilingües. Aunque aún no se ha aplicado clínicamente, los resultados de este estudio ofrecen perspectivas para aplicaciones de IA más eficientes y precisas en el sector sanitario.
