La Nuevas AI Médica De Microsoft 

{ "name": "Lautaro Carro", "username": "@lauchacarro ", "award": "Microsoft MVP ", "certifications": [“AZ-900", “AZ-204"] "activities": ["Latino .NET Online", "Rest Of My Cloud"] } 

TEMAS ❑ Revolución de la IA ❑ La IA en el sector Salud ❑ Casos de Uso de IA en Salud ❑ Introducción a MediPhi ❑ Otras soluciones de IA ❑ Conclusiones 

Revolución de la IA 

Problemas en el área de Salud ❑ Según la OMS, aproximadamente 2,6 millones de personas fallece cada año debido a errores médicos evitables. https://news.un.org/es/story/2019/09/1462252 ❑ Los errores más comunes comienzan en los errores medicación, procedimientos quirúrgicos, diagnósticos tardíos o incorrectos ❑ Temas de privacidad, validación clínica y normativas estrictas limitan la adopción de IA, frenando avances que podrían salvar vidas. 

Las IA “Medicas” existentes ❑ Al buscar “GPT Médico” en Bing, se obtuvieron aproximadamente 572.000 resultados. ❑ La mayoría de los resultados corresponden a soluciones de GPTs personalizados. ❑ Microsoft, entre 2019 y 2021, enfocó su innovación en IoT para salud; ❑ A partir de 2021, ha publicado diversos trabajos sobre modelos de IA aplicados al área médica. 

No content

Casos de Uso de IA en Salud Diagnóstico Médico Algoritmos que analizan imágenes para diagnosticar enfermedades 1 Chatbots para pacientes Asistentes virtuales que responden consultas y guían a los pacientes. 2 Predicción de Brotes Herramientas que analizan datos para prever emergencias sanitarias. 3 

¿Cuál es el problema hoy en 2025? 

Datos no Estructurados en la Atención al paciente 

Observaciones de Enfermería ❑ Los dictados de enfermería contienen observaciones clínicas habladas que deben transformarse en datos estructurados para los sistemas de Registros Electrónicos de Salud (EHR). ❑ Este proceso es manual y consume mucho tiempo, lo que genera una carga documental significativa para el personal de enfermería. 

Órdenes médicas desde consultas entre médico y paciente ❑ Las conversaciones largas entre médicos y pacientes incluyen múltiples órdenes médicas (medicación, análisis, seguimiento, etc.) que deben ser identificadas y documentadas. ❑ Estas órdenes suelen estar expresadas de forma libre y dispersa en el diálogo, lo que dificulta su extracción automática. 

Empoderando a los profesionales de la salud con modelos de lenguaje: Estructuración de transcripciones de discurso en dos aplicaciones clínicas del mundo real. https://arxiv.org/pdf/2507.05517 

https://arxiv.org/pdf/2507.05517 

MediPhi 

¿Que es MediPhi? ❑ MediPhi es un modelo OpenSource que está construido a partir del modelo base Microsoft Phi-3.5 ❑ Colección de SLM (Small Language Model) especializados (PubMed, guías médicas, Wikipedia médica y documentos clínicos abiertos) ❑ Arquitectura modular y fusión con métodos avanzados ❑ Dataset sintético extensivo (MediFlow) para alineación clínica 

¿Cómo construyeron MediPhi? Phi 3.5 MediPhi-PubMed MediPhi-Clinical MediPhi- MedWiki MediPhi- GuideLines MediPhi- MedCode MediPhi Dataset MS MediFlow MediPhi- Instruct 

No content

¿Todo esto para extraer 2 JSON? 

Dragon Copilot 

Microsoft Dragon Copilot ❑ Es un asistente de IA diseñado específicamente para mejorar los flujos de trabajo clínicos en el ámbito de la salud. ❑ Dragon Copilot escucha de forma pasiva y segura las interacciones entre médico y paciente. 

MAI-DxO MAI-DxO 

MS AI Diagnostic Orchestrator Dr. Hipótesis: Mantiene el diagnóstico diferencial. Dr. Selector de pruebas: Selecciona las pruebas de diagnóstico más rentables. Dr. Challenger: Previene los sesgos cognitivos y los errores de diagnóstico. Dr. Stewardship: Garantiza una atención rentable. Dr. Lista de verificación: Realiza controles de calidad. Coordinador de consenso: Sintetiza las decisiones del panel. Gatekeeper: Actúa como oráculo de información clínica. Juez: Evalúa la precisión diagnóstica final. 

MS AI Diagnostic Orchestrator ❑ El objetivo es diagnosticar correctamente, pero también se mide: ❑Precisión del diagnóstico, costo de los estudios y visitas solicitadas. ❑ Usando el modelo o3 de OpenAI: ❑ 80% de precisión diagnóstica, frente al 20% promedio de médicos generalistas. ❑ 20% menos de costos que médicos humanos y 70% menos de costos que usar directamente o3 sin el orquestador. ❑Configurado para máxima precisión, llegó a 85,5% de acierto. ❑ Preparado para funcionar con la familia de modelos de OpenAI, Gemini, Llama, Deepseek https://arxiv.org/abs/2506.22405 

Otros Lanzamientos de Microsoft 

❑ MAI-DS-R1 es un modelo de razonamiento DeepSeek- R1 que ha sido entrenado posteriormente por el equipo de IA de Microsoft con el objetivo de completar las lagunas de información de la versión anterior del modelo y eliminar y mejorar sus protecciones contra daños, al tiempo que se mantienen las capacidades de razonamiento de R1. ❑ RetroChimera es un modelo que toma como entrada una molécula que se desea sintetizar y produce varias reacciones químicas potenciales que podrían utilizarse para producir esa molécula de entrada. 

CONCLUSIONES ❑ Microsoft está lanzando soluciones modulares que se integran en proyectos más amplios, incluso con interoperabilidad en sistemas de salud ya existentes. ❑ Se observa una tendencia hacia el uso de IA para el análisis de transcripciones, modelos de razonamiento y soluciones open source orientadas a la privacidad. ❑ Estas iniciativas y sus publicaciones científicas podrían sentar las bases de los futuros estándares en el desarrollo de tecnología para el área de la salud. 

MUCHAS GRACIAS