Tether lanza una IA Compact Edge para modelos de razonamiento médico

• Tether lanza modelos compactos de IA MedPsy que se ejecutan localmente, reduciendo la dependencia de sistemas en la nube.
• Los nuevos modelos de MedPsy muestran resultados sólidos en benchmarks mientras se centran en la privacidad y un razonamiento médico más rápido.
• El diseño de IA basado en el edge tiene como objetivo reducir costes, mejorar la velocidad y apoyar a los hospitales en el manejo de datos sensibles.

Tether ha lanzado nuevos modelos de IA médica que pueden ejecutarse directamente en teléfonos, portátiles y servidores locales sin depender de sistemas en la nube. El equipo de investigación en IA de la empresa introdujo QVAC MedPsy en versiones de 1.700 millones y 4.000 millones de parámetros, diseñado para gestionar tareas de razonamiento médico manteniendo todos los datos en el dispositivo.

En un comunicado oficial, la empresa señaló que los modelos se dirigen principalmente a hospitales, clínicas y desarrolladores que necesitan un procesamiento más rápido y un control más estricto sobre la información de los pacientes.

Tether afirmó que los modelos compiten con sistemas más grandes basados en la nube en pruebas médicas a pesar de su tamaño más reducido. También indicó que la versión 1.700 millones supera a varios competidores de tamaño medio en los benchmarks clínicos. Además, el modelo 4B registra resultados más sólidos que algunos sistemas mucho más grandes en evaluaciones médicas seleccionadas.

Avance en IA de Vanguardia en razonamiento médico

Tether diseñó los modelos MedPsy para ejecutarse directamente en dispositivos de borde sin depender de la infraestructura en la nube. La empresa afirmó que esta configuración reduce los retrasos y mejora la privacidad al manipular datos sanitarios. El modelo 1.700 millones también superó al MedGemma-1.5-4B-it de Google por 11,42 puntos en pruebas de referencia. Además, mostró resultados sólidos en HealthBench y otras evaluaciones de razonamiento clínico.

La versión 4B también obtuvo puntuaciones más altas que MedGemma-27B-text-it en varias pruebas médicas. También registró mejoras en los benchmarks Hard de MedXpertQA y HealthBench. Tether dijo que entrenó los modelos usando aprendizaje por refuerzo combinado con datos clínicos seleccionados. Este enfoque, según la empresa, mejora la precisión en tareas complejas de razonamiento médico.

Mejoras en benchmarks respecto a modelos más grandes

QVAC MedPsy obtuvo resultados sólidos en varios referentes médicos, incluyendo MedQA, MedMCQA y PubMedQA. También tuvo buenos resultados en conjuntos de datos de salud AfriMedQA y MMLU, que evalúan el conocimiento médico en diferentes regiones y casos de uso.

Tether dijo que el sistema utiliza menos tokens por respuesta, lo que ayuda a reducir los costes de cómputo y a mejorar la velocidad. El modelo 1.7B promedia unos 1.110 tokens por respuesta, mientras que la versión 4B promedia alrededor de 909 tokens en las pruebas. Como resultado, la empresa afirma que los modelos pueden funcionar de forma eficiente en hardware hospitalario estándar. También ofrece versiones comprimidas para el despliegue de dispositivos móviles y de periferia.

Impacto en la privacidad y los costes en la atención sanitaria

Tether afirmó que ejecutar modelos de IA localmente puede reducir los riesgos de privacidad vinculados a los sistemas médicos basados en la nube. Añadió que el procesamiento in situ ayuda a los hospitales a gestionar datos sensibles de pacientes sin enviarlos a servidores externos.

Por otro lado, la compañía informó recientemente de un sólido rendimiento financiero y una circulación estable de su stablecoin USDT. También afirmó que sigue trabajando con los reguladores, incluyendo acciones como congelaciones de carteras y preparativos para auditorías.

Relacionado: EAU construye rieles regulados para intercambiar stablecoins de dirham y dólar