Publicado en el blog de Microsoft for Startups.

D-ID, una de las plataformas líderes para la generación de interacciones y creación de contenido impulsadas por IA, se complace en anunciar una asociación con Microsoft, que lleva la tecnología avanzada de D-ID a Microsoft Azure.

A través de esta asociación, las empresas y los desarrolladores pueden integrar avatares impulsados por IA en sus aplicaciones, lo que permite interacciones más atractivas en tiempo real y experiencias personalizadas para los clientes.

D-ID está a la vanguardia de los avatares virtuales impulsados por IA que pueden ver, escuchar e interactuar con las personas en tiempo real. Estos avatares ofrecen experiencias inmersivas, para hacer que la comunicación en línea sea más atractiva y natural, ya sea a través de la voz, las expresiones faciales o incluso el lenguaje de señas.

La asociación con Microsoft proporcionará a las empresas y a los desarrolladores potentes herramientas para crear avatares de IA agéntica para Microsoft Teams y otro software de Microsoft, al tiempo que garantiza que cada avatar cumpla con los más altos estándares de seguridad.

El trabajo de D-ID para eliminar las barreras de comunicación comienza con la solución transformadora de permitir que las personas hablen en cualquier idioma, al traducir sus palabras, conservar su voz y hacer coincidir los movimientos de sus labios, en tiempo real.

Además, D-ID utiliza sus soluciones innovadoras para la accesibilidad. Sus avatares de IA permiten la traducción en tiempo real al lenguaje de signos, para ofrecer una comunicación inclusiva para usuarios sordos e hipoacúsicos.

D-ID también ofrece soluciones de comunicación para personas con esclerosis lateral amiotrófica (ELA) y otras afecciones que limitan el habla. La tecnología no solo mejora la expresión, sino que restaura la capacidad de estas personas para comunicarse en tiempo real. Integrada con sistemas como Microsoft Teams, esta capacidad ha comenzado a cambiar la vida de las personas al devolverles su voz y su capacidad de comunicación.

Para las personas con discapacidades físicas, incluida la parálisis completa, la tecnología de D-ID lleva la personalización aún más lejos. Este avance ofrece libertad y dignidad al llevar la voz y la expresión facial a las personas que viven sin ellas.

Gil Perry, director ejecutivo (CEO) de D-ID, dijo: «Se prevé que el mercado de avatares de IA supere los $700 mil millones para 2033, con una adopción significativa ya en marcha, en especial en los sectores de marketing y aprendizaje».

«Nuestro objetivo es revolucionar la forma en que los usuarios interactúan con la IA al reemplazar las GUI (interfaces gráficas de usuario) tradicionales con NUI (interfaces de usuario naturales), para transformar el texto y las imágenes en avatares de IA atractivos para crear una experiencia más inmersiva».

«Al integrar la tecnología de D-ID con la plataforma de Microsoft, los clientes pueden crear una interfaz de usuario más natural para la IA. Nuestro enfoque en la ética, la seguridad y la innovación hace que esta colaboración sea aún más fuerte, posicionándonos como un líder confiable y confiable en el mercado».

Annie Pearl, vicepresidenta corporativa y directora general de Experiencias y Ecosistemas de Azure en Microsoft, compartió: «D-ID mejora la comunicación y el aprendizaje al agregar una capa natural y atractiva a nivel visual a los agentes de IA. Esta innovación tiene el potencial de hacer que las interacciones sean más intuitivas e impactantes. D-ID empodera a nuestros clientes conjuntos con herramientas de vanguardia que redefinen la forma en que aprendemos, colaboramos y nos conectamos».

Para explorar cómo la tecnología de vanguardia de D-ID puede transformar sus aplicaciones, visiten Azure Marketplace y descubran nuestro creciente ecosistema de soluciones de avatares de IA.

Acerca de D-ID

D-ID es la plataforma líder y más segura del mundo para crear humanos digitales en tiempo real. D-ID proporciona una nueva interfaz para grandes modelos de lenguaje (LLM, por sus siglas en inglés), con la visión de reemplazar por completo la GUI con NUI. Al transformar imágenes, texto, videos y voz en humanos digitales interactivos, la compañía ofrece soluciones para crear videos de IA y agentes conversacionales en tiempo real que impulsan los departamentos de marketing, ventas, aprendizaje y desarrollo y experiencia del cliente de las empresas. Se han producido más de 250 millones de vídeos con el estudio de autoservicio Creative Reality de D-ID y sus integraciones, y más de 280 mil desarrolladores crean soluciones con la API de D-ID. Fundada en 2017 y respaldada por VC de nivel 1, D-ID emplea a 90 personas en todo el mundo. Para obtener más información, visiten www.d-id.com.

Por: Joe Petro, vicepresidente corporativo de salud y ciencias de la vida de Microsoft.

La próxima vez que estén en un lugar público, deténganse y miren a su alrededor. Fíjense en la cantidad de personas que están con la cabeza gacha, mientras miran sus teléfonos. Esta es una de las consecuencias no deseadas de la tecnología: si bien la intención es conectarnos más con el mundo, a menudo nos distrae de lo que en verdad sucede a nuestro alrededor.   

Esta distracción tecnológica no intencionada también ha tenido un impacto negativo en la atención sanitaria. Durante la última década, el aumento de las regulaciones y las crecientes cargas administrativas impuestas a los médicos, enfermeras y radiólogos han tenido un alto costo para aquellos que habían dedicado sus vidas a cuidar a los demás. Los efectos de esto han sido bien documentados, con un aumento de la insatisfacción laboral y las tasas de agotamiento, una mayor escasez de personal a medida que los médicos abandonan la fuerza laboral y la continua erosión de la conexión médico-paciente.¹

Como tecnólogo que ha trabajado para resolver algunos de los problemas más espinosos de la atención médica, es doloroso saber que durante años, a pesar de nuestros mejores esfuerzos, la tecnología ha parecido estar un paso por detrás para poder restaurar la alegría de cuidar a los pacientes y, al mismo tiempo, brindar una experiencia digital más conectada.

Es decir, hasta la introducción de GPT. Con la IA generativa, hemos visto una fuerza positiva y disruptiva en la atención médica, y estos logros solo aumentarán a medida que esta innovación crítica se aplique a algunos de los problemas más complejos de la atención médica. De hecho, en los próximos tres años, comenzaremos a ver un cambio tectónico en toda la experiencia del usuario, que pasa de la tecnología que se inyecta en varios casos de uso a la infusión generalizada de IA que se integra a la perfección en la forma en que vivimos y trabajamos.

Descubran soluciones impulsadas por IA con Microsoft Cloud for Healthcare

En el cuidado de la salud, la inteligencia ambiental será la fuerza impulsora para restaurar la alegría de practicar la medicina y brindar una mejor experiencia a los pacientes.

La verdadera historia de la inteligencia ambiental

Se ha escrito mucho sobre las curvas tecnológicas y la IA en la atención médica, pero quiero contarles la historia que no está en los libros de historia. La verdadera historia de cómo nació la inteligencia ambiental.

Algunos de nosotros tenemos la suficiente edad como para recordar el Star Trek original de la década de 1960, donde había una computadora que escuchaba a la tripulación tener una conversación y luego opinar con cualquier orientación relacionada con la situación en cuestión. No se trataba de hacerse cargo, no se trataba de reemplazar al capitán y los oficiales en el puente, sino de apoyar al equipo al agregar información en tiempo real para aumentar el proceso de toma de decisiones.   

La mayoría de nosotros vimos esto como una idea genial de ciencia ficción hasta que un día, durante una reunión con Epic, hablamos sobre encontrar una manera de hacer que la atención médica sea más intuitiva, como la IA en Star Trek. El guante había sido lanzado, y nosotros estábamos dentro.

Trazar un nuevo rumbo en tecnología sanitaria

Inherentes a la inteligencia ambiental hay dos variables por igual importantes, transcribir con precisión una conversación entre el médico y el paciente en un texto, y luego convertir esa transcripción en una nota clínica.

Eso fue en 2014, cuando no había grandes modelos de lenguaje, los datos de los pacientes no estaban disponibles de manera amplia, los sistemas estaban bastante aislados, no había forma de capturar la grabación y, aunque esos otros aspectos fueran posibles, el reconocimiento de voz para las conversaciones clínicas se ejecutaba con una tasa de error de palabras (WER, por sus siglas en inglés) de alrededor del 50%. Esto significaba que el sistema de reconocimiento de voz solo capturaba de manera correcta cerca de la mitad de las palabras habladas. Eso era en esencia lo más avanzado para el reconocimiento de voz médico ambiental y, en pocas palabras, no funcionó.

No estábamos seguros de si al final tendríamos éxito y cuándo, pero sabíamos que el primer desafío que debíamos abordar era obtener más datos para alimentar nuestros modelos y poder comprender este flujo de trabajo ambiental emergente. Iniciamos un programa de investigación para aumentar el rendimiento del reconocimiento del habla médica conversacional ambiental porque en ese momento, los principales avances se realizaban en la computación neuronal.

A continuación, dirigimos nuestra atención a la síntesis abstracta, es decir, a tratar de averiguar cómo convertir la transcripción de la conversación entre el médico y el paciente en una nota clínica estructurada, que está sujeta a una serie de limitaciones y requisitos necesarios para una documentación adecuada.

En aquel entonces, el resumen estaba en pañales, pero la nueva tecnología de resumen neuronal se mostró muy prometedora cuando se disponía de grandes conjuntos de datos en el dominio compuestos por millones de pares de entrada y salida resumidos. Aunque estos conjuntos de datos aún no existían, existían flujos de trabajo de escribano virtual, en los que las conversaciones médico-paciente eran grabadas y procesadas de manera manual por escribas humanos. Por lo tanto, tomamos la decisión de utilizar escribas clínicos para entrenar los modelos cada vez más potentes que se adaptaban a la tarea y luego observar cómo su aplicación aceleraba la documentación clínica. De manera básica, los escribas generaban datos en el dominio que luego se utilizaban mediante el aprendizaje automático de resumen neuronal para desarrollar el resumen ambiental.

Dadas las complejidades de un encuentro clínico, comenzamos con especialidades médicas que tenían escenarios de una alta repetición, como la ortopedia, y luego nos expandimos para cubrir todas las especialidades ambulatorias en una población más grande de médicos.

Si bien obteníamos ganancias, estas fueron incrementales. Para que se hagan una idea de cómo era esto, aquí tienen un gráfico que muestra cada nueva revisión del modelo como un punto de la trama y pueden ver el porcentaje de encuentros clínicos procesados por la IA y las tasas de edición humanas resultantes, en comparación con nuestro pronóstico de dónde estarían esas cifras.

El amanecer de una nueva era

Es inevitable que cualquiera que haya intentado abordar un problema en extremo espinoso en algún momento se tope con un muro en el que se haga la pregunta: ¿Vencemos al problema o el problema nos vence a nosotros? Aunque tuvimos paridad en la conversión de una conversación médico-paciente en texto, convertir las transcripciones en notas clínicas personalizadas en todas las especialidades fue un desafío, y el progreso fue más lento de lo que nos hubiera gustado. Utilizábamos un enfoque human-in-the-loop (rama de la IA que reúne a la IA y a la inteligencia humana para crear modelos de aprendizaje automático) para mejorar la calidad de la salida de nuestro modelo, que no era una solución escalable a largo plazo, y nos habíamos estancado en una tasa de error que no produciría automatización. No sabíamos la fórmula exacta para hacer que el problema cediera.

Entonces, llegó GPT.

De la noche a la mañana, las leyes de escalado de la IA cambiaron. Los grandes avances tecnológicos pasaron de ocurrir cada año y medio a ocurrir cuatro veces al año. Si bien en ese momento parecía que chocábamos con una pared, en retrospectiva, ese tiempo nos permitió comprender a profundidad los requisitos de cómo esta tecnología se mostraría en el flujo de trabajo de los médicos, y nos asociamos con las empresas de EHR para trabajar en los detalles técnicos y optimizar la experiencia del usuario.

De inmediato pusimos una estaca en el suelo y comenzamos a aprovechar esta nueva IA.

Utilizamos GPT como atajo para ajustar los modelos y personalizar los resultados, lo que nos permitió avanzar más rápido y mejorar de manera importante los resultados. También recibíamos comentarios en tiempo real de los médicos que nos informaban de lo que funcionaba bien y, lo que es más importante, de lo que no se optimizaba la experiencia. Es esta última retroalimentación la que siempre es más útil, porque nos permite triangular los problemas y trabajar en formas de afinar y mejorar la experiencia.

Basándonos en los modelos fundamentales, podíamos ver que tendríamos un prototipo en seis meses, pero el desafío era que el GPT listo para usar, aunque bueno, no era tan eficiente como nuestros modelos a medida. Fue entonces cuando decidimos combinar la IA generativa y nuestro corpus de entrenamiento único. A los seis meses de un ciclo de investigación y desarrollo vertiginoso, el equipo logró un nivel de automatización que antes había sido inalcanzable en los seis años anteriores. Fue una de las primeras veces en la historia que GPT-4 se afinó para la atención médica.

Las nuevas leyes de escalamiento doblaban la curva de la innovación. Estábamos en los albores de una nueva era: el mercado de la IA ambiental.

En el transcurso de 11 meses, pasamos de cero usuarios a crear la primera experiencia de inteligencia ambiental clínica para médicos en la que confían más de 600 de los principales sistemas de atención médica, y producimos más de 3 millones de episodios de atención por mes y seguimos con el crecimiento.

Logramos la paridad humana, y habíamos logrado un nivel de rendimiento que permitía la automatización que proporcionaba a los médicos un borrador de nota clínica que requería una edición mínima, el problema de la automatización había comenzado a ceder.

El futuro es ahora

El futuro que habíamos catalogado como ciencia ficción ya está aquí, y la escucha ambiental ya se ha convertido en una apuesta de mesa. De hecho, publicamos cada semana mejoras de IA en nuestras tecnologías de habla y audición, en las que cientos de miles de médicos han confiado y utilizado durante años.   

Pero más que eso, somos testigos de un giro masivo como nunca habíamos visto: una nueva forma de experiencia de usuario: la combinación de la interacción natural y la infusión de inteligencia en tiempo real.

A pesar de lo emocionante que es todo esto, la verdadera promesa de abordar el agotamiento de los médicos, mejorar la experiencia del paciente y ofrecer mejores resultados de salud depende de la colaboración y la asociación. Todas las empresas que operan en este espacio están limitadas por las leyes de la física de una sola empresa, por lo que es un momento emocionante para estar en una empresa dirigida por socios. Al abrir nuestro ecosistema, aprovechamos el poder de la plataforma de Microsoft y extendiéndolo a miles de empresas en todo el mundo que se centran en crear aplicaciones y capacidades para mejorar la experiencia médico-paciente y tener un impacto positivo en el episodio de atención.   

Permitimos que los socios del ecosistema publiquen sus capacidades directo en nuestro tono de marcación ambiental: el poder de miles de mentes increíbles que trabajan para ayudar a los médicos y resolver casos de uso de alto valor que van desde el diagnóstico de condiciones clínicas, la codificación clínica autónoma y la automatización de la mensajería saliente de los consumidores de atención médica, hasta la mejora del análisis y la interpretación de datos, el descubrimiento de literatura médica,  la autogeneración de materiales educativos personalizados para pacientes y la automatización de la identificación de pacientes en ensayos clínicos. Estas son solo algunas de las miles de áreas de innovación en las que trabajan de manera activa las empresas sanitarias de todo el mundo. Y este es el poder de la plataforma. Este es el ecosistema que transformará la forma en que se brinda la atención, mejorará las experiencias de los pacientes, respaldará mejores resultados en todo el ecosistema de la salud y las ciencias de la vida, y devolverá la alegría de ejercer la medicina a los médicos de todo el mundo.   

Confianza por encima de todo

Ninguna conversación sobre IA generativa debe tener lugar sin hablar de responsabilidad, y ninguna tecnología debe desplegarse sin un examen detallado sobre lo que contienen los datos y cómo se utilizan. Los estándares clave de IA responsable en torno a la equidad, la confiabilidad y la seguridad, la privacidad y la seguridad, la inclusión y la transparencia deben ocupar un lugar central en cada debate. La IA es como una herramienta de poder masiva, y los datos son la corriente que la alimenta, por lo que todos los que los manejan deben estar capacitados de manera adecuada y ser conscientes de cualquier consecuencia no deseada o daño potencial que pueda causar.  

Creación de casos de uso de alto valor que ofrezcan resultados reales

Al final, el verdadero testimonio de la creación de tecnología basada en resultados se reduce a un simple hecho: ¿usarla empodera a la persona para hacer y ser la mejor versión de sí misma? Con ese fin, realizamos un seguimiento cuidadoso del rendimiento de todas nuestras soluciones para asegurarnos de que creamos tecnología que está a la altura de su promesa y supera las expectativas. Recomiendo que cualquiera que promueva una agenda de IA haga lo mismo, porque este es el verdadero camino para avanzar en las habilidades humanas y mejorar el ecosistema de atención médica.

No todos los días son una victoria, y eso está bien, esto es un maratón, no un sprint, pero vemos resultados poderosos reportados por las personas a las que servimos. Hemos visto:

• Mejora del 70% en el equilibrio entre la vida laboral y personal de los médicos y reducción de la sensación de agotamiento y fatiga.²
• El 80% considera que reduce la carga cognitiva.³
• 5 minutos de ahorro por médico por encuentro (en promedio).⁴
• El 93% de los pacientes dicen que su médico es más agradable y conversador.⁵

Escuchen lo que los médicos tienen que decir sobre esta solución de automatización clínica impulsada por IA:

Click here to load media

Por muy buenos que sean estos resultados, no nos vamos a conformar. Vamos a seguir con los avances, para perfeccionar nuestros modelos, trabajar con médicos, enfermeras, radiólogos y líderes de todo el ecosistema de la atención médica y las ciencias de la vida para ofrecer las mejores tecnologías para aquellos que siguen dedicando sus vidas a ayudar a los demás. Estamos solo al comienzo de nuestro recorrido, y continuaremos con la innovación sin descanso y para encontrar nuevas formas de optimizar la documentación, sacar a la luz la información y automatizar las tareas de los médicos de todo el mundo.

Aprendan más

• Más información en Microsoft Cloud for Healthcare.

¹ AMA, Punto de referencia del agotamiento: 28% insatisfecho con el trabajo actual en el sector de la salud, 17 de mayo de 2022.

² Encuesta de Microsoft a 879 médicos de 340 organizaciones sanitarias que utilizan DAX Copilot; Julio de 2024.

³ Encuesta de Microsoft a 879 médicos de 340 organizaciones sanitarias que utilizan DAX Copilot; Julio de 2024.

⁴ Encuesta de Microsoft a 879 médicos de 340 organizaciones sanitarias que utilizan DAX Copilot; Julio de 2024.

⁵ Encuesta de 413 pacientes realizada por varias organizaciones de atención médica cuyos médicos utilizan DAX Copilot; Junio 2024.