Biotecnología · global
Corea del Sur aprueba una herramienta generativa para informes de radiografías de tórax, y la IA médica entra en la capa textual de la interpretación
M4CXR, de Deepnoid, obtuvo la autorización de Corea del Sur como dispositivo médico de clase III. El foco no está solo en que la IA pueda ver imágenes, sino en que empieza a estar autorizada para generar informes preliminares dentro del flujo clínico; esto también acerca más al primer plano los estándares de validación, la atribución de responsabilidades y los límites del trabajo médico.
Las radiografías de tórax son una de las pruebas de imagen más comunes en los hospitales y también una de las que más fácilmente acumulan listas de espera. Cuando la IA pasa de señalar sombras sospechosas a redactar textos preliminares de interpretación, lo que cambia no es solo la función del software, sino el ritmo de trabajo diario de los radiólogos entre imágenes, historias clínicas e informes.
La empresa surcoreana de IA médica Deepnoid afirmó que su herramienta generativa de informes preliminares para radiografías de tórax, M4CXR, obtuvo la autorización de producto como dispositivo médico de clase III de la Ministry of Food and Drug Safety de Corea del Sur, con el número de aprobación D 제허 26-18호. El medio surcoreano Seoul Economic Daily también informó sobre esta aprobación, lo que significa que la herramienta ha superado un umbral regulatorio clave para su comercialización en Corea del Sur.
Según Deepnoid, M4CXR puede generar automáticamente informes preliminares para radiografías de tórax, cubriendo imágenes normales y 41 hallazgos anómalos relacionados con enfermedades torácicas. El alcance listado en la página de producto de la empresa incluye indicios clínicos comunes como neumonía, tuberculosis, edema pulmonar, neumotórax, derrame pleural, agrandamiento cardíaco y fracturas; su propósito no es diagnosticar a los pacientes por sí misma, sino ayudar a los médicos a formar más rápidamente borradores de informes revisables en entornos de gran volumen de imágenes.
Este tipo de herramienta difiere de la IA médica inicial centrada en “detectar una sola lesión”. La documentación técnica de Deepnoid describe M4CXR como un modelo fundacional multimodal de imagen médica para radiografías de tórax, que aprende conjuntamente de imágenes e informes radiológicos, con el objetivo de llevar la interpretación de imágenes a un nivel más cercano a la narración clínica. La empresa afirma que el modelo fue entrenado con más de 10 millones de datos clínicos relacionados con radiografías de tórax, que una sola inferencia puede procesar más de 41 tipos de hallazgos y que genera resultados preliminares en unos 2,3 segundos de media.
Los materiales académicos públicos también ofrecen parte del contexto técnico. El artículo sobre M4CXR publicado en arXiv en 2024 lo presenta como un gran modelo de lenguaje multimodal para la interpretación de radiografías de tórax, con tareas que incluyen generación de informes médicos, localización en imágenes y respuesta visual a preguntas; el artículo también afirma que el modelo puede, mediante indicaciones similares al razonamiento paso a paso, identificar primero los hallazgos en la imagen y luego generar el informe, y que puede adaptarse a escenarios de generación de informes con una sola imagen, múltiples imágenes y múltiples estudios. Sin embargo, las diferencias entre la prepublicación y la versión comercializada aún deben aclararse más mediante documentos regulatorios y datos de uso clínico.
En cuanto a la validación clínica, Deepnoid indicó que M4CXR se sometió a un ensayo clínico confirmatorio, retrospectivo y multicéntrico, cuyos resultados mostraron que el desempeño de sus informes alcanzó la no inferioridad frente a los informes de radiólogos, y que mantuvo la consistencia entre instituciones, grupos de edad y contextos como consultas externas, urgencias, chequeos médicos e ingresos hospitalarios. Esta información indica que la revisión regulatoria no se limitó a observar la capacidad demostrativa del modelo, pero los resúmenes públicos aún no presentan de forma completa el tamaño del ensayo, la definición de los criterios de valoración, los tipos de errores ni las diferencias de desempeño entre subgrupos de distintas enfermedades.
El verdadero problema clínico aparecerá después del despliegue. Si los sistemas generativos pueden reducir la escritura repetitiva, podrían aliviar efectivamente la presión sobre los informes radiológicos; pero también podrían producir descripciones fluidas en tono pero imprecisas, o aumentar la carga de revisión de los médicos en casos raros, complejos o con mala calidad de imagen. Por tanto, la aprobación en sí misma no equivale a confianza automática: los hospitales aún deberán diseñar una división clara del trabajo entre humanos y máquinas, así como procesos de monitoreo de calidad y responsabilidad.
En noviembre de 2025, Deepnoid ya había descrito M4CXR como el primer dispositivo médico innovador de Corea del Sur basado en IA generativa fundacional. Ahora, al obtener la autorización de producto, la IA médica generativa se acerca más a los departamentos de imagen cotidianos desde las demostraciones y los artículos académicos. La clave de la siguiente etapa no estará en si puede redactar un informe aceptable, sino en si, cuando el informe entre en sistemas reales de historias clínicas y se enfrente a distintos hospitales y distintos pacientes, puede ayudar de forma estable a los médicos a completar la interpretación con mayor rapidez y precisión, en lugar de limitarse a empaquetar nuevas tareas de revisión como eficiencia.