Inteligencia artificial médica · global
La IA médica abarca 10 modalidades de imagen: EVLF-FM vincula las respuestas diagnósticas con la ubicación de las lesiones
Desde identificar enfermedades hasta señalar la evidencia en las imágenes, EVLF-FM busca facilitar la verificación de los juicios de la IA médica. El estudio muestra potencial en tareas con distintas modalidades de imagen, pero los resultados en conjuntos de prueba aún distan de convertirlo en un asistente fiable en la consulta.
Si una IA de imagen médica solo ofrece el nombre de una enfermedad, el médico aún debe preguntarse: ¿qué ha visto exactamente? Un estudio publicado el 29 de octubre en Nature Medicine incorpora esta cuestión al diseño del modelo. EVLF-FM, desarrollado por el equipo investigador, combina identificación de enfermedades, respuesta a preguntas sobre imágenes y localización de lesiones, con el objetivo de que los usuarios puedan contrastar los juicios expresados en texto con regiones concretas de las imágenes.
Según el estudio publicado formalmente, el desarrollo y las pruebas del modelo utilizaron en conjunto más de 1,3 millones de muestras, que abarcan 10 modalidades de imagen, y se emplearon otras 13.443 muestras para la validación externa. La exactitud diagnóstica media en la validación interna fue del 89,5 %. Esta cifra describe el rendimiento medio en las condiciones del estudio y no puede interpretarse directamente como una capacidad de identificación equivalente ante todas las enfermedades y las imágenes de todos los hospitales.
Otra capacidad central de EVLF-FM es vincular las respuestas con ubicaciones en las imágenes. Además de responder preguntas relacionadas con ellas, el modelo puede señalar las regiones pertinentes a nivel de píxel, lo que permite comprobar si su juicio corresponde a lesiones visibles. Esta forma de presentación aporta pistas para la verificación; sin embargo, que una región señalada parezca razonable no equivale a que el diagnóstico sea correcto, y una explicación fluida por sí sola tampoco permite confirmar la fiabilidad del razonamiento.
El repositorio oficial de código del equipo investigador explica además que el entrenamiento comienza con un ajuste fino supervisado mediante datos de imágenes médicas y texto, seguido de un método de aprendizaje por refuerzo denominado GRPO, que incorpora recompensas tanto por el rendimiento en las tareas como por la coherencia del razonamiento clínico. El diseño busca que el modelo atienda tanto a las respuestas como a las explicaciones, para que el diagnóstico, la respuesta a preguntas y la localización funcionen en un mismo sistema.
Al interpretar los resultados, también es necesario distinguir entre las versiones del estudio. El preprint que los autores publicaron en arXiv en septiembre de 2025 recoge 23 conjuntos de datos de desarrollo, 11 modalidades de imagen y 8.884 muestras de prueba externas, con una exactitud diagnóstica media interna del 85,8 %. Estas cifras iniciales difieren de las del artículo publicado formalmente y no deben citarse de forma combinada. Tampoco puede deducirse cuánto mejoró el modelo en condiciones idénticas basándose únicamente en la diferencia entre las dos cifras de exactitud.
El equipo ha hecho públicos el código de entrenamiento y evaluación, así como los pesos del modelo disponibles para su descarga, lo que ofrece a otros investigadores un punto de acceso para examinar el método. Sin embargo, el repositorio oficial señala expresamente que la versión del modelo publicada se entrenó con conjuntos de datos públicos. Por tanto, para determinar si el modelo descargado puede reproducir los distintos resultados del artículo publicado formalmente, aún es necesario cotejar los datos utilizados, la versión del modelo y las condiciones de evaluación.
En el ámbito clínico, el siguiente paso es confirmar si estas capacidades pueden mejorar la atención real. El estudio aún requiere validación en entornos sanitarios más diversos, así como estudios clínicos prospectivos que evalúen la seguridad, la eficacia y la utilidad práctica. Su capacidad para abarcar múltiples modalidades de imagen y aportar evidencia visual verificable hace que EVLF-FM merezca seguir investigándose; si puede convertirse en una herramienta de uso cotidiano en la atención clínica es una cuestión que deberá responder la evidencia obtenida en flujos de trabajo reales.