Científicos crean una IA universal para analizar imágenes médicas

Para preparar el modelo, los científicos recopilaron la mayor cantidad de datos de imágenes médicas del mundo y crearon un "árbol de conocimiento" anatómico con 6502 términos, lo que les permitió combinar información textual y visual en un único sistema. SAT comprende la terminología médica y puede resaltar áreas relevantes en las imágenes basándose en una consulta de texto.

El modelo está disponible en dos versiones: SAT-Nano (110 millones de parámetros) y SAT-Pro (447 millones). SAT-Pro obtuvo resultados comparables a los de los 72 mejores algoritmos especializados, que en conjunto representan más de 2200 millones de parámetros. En pruebas con sus propios datos, SAT-Pro superó la precisión del popular modelo MedSAM en un promedio del 7,1 %, y al probarlo con imágenes de otras clínicas, superó a la competencia con un aumento del 3,7 % en la precisión. Además, el nuevo sistema resultó ser no solo universal, sino también mucho más compacto.

Según los autores del artículo, la SAT puede facilitar significativamente el trabajo de los radiólogos. Actualmente, la segmentación de órganos y tejidos en imágenes médicas suele realizarse manualmente o mediante algoritmos independientes, lo que requiere mucho tiempo y una preparación compleja de los datos. La SAT automatiza el proceso y se adapta a diversos escenarios clínicos sin necesidad de reentrenamiento para cada tarea.

SAT podría integrarse potencialmente con grandes modelos de lenguaje, como el recientemente anunciado GPT-5, que OpenAI promociona como la solución más robusta para tareas médicas. Esta combinación ampliaría las capacidades de las tecnologías de segmentación médica y marcaría un paso hacia la formación de una IA médica universal.

Según los investigadores, la aparición del SAT marca una transición desde una multitud de instrumentos limitados hacia soluciones de propósito general en medicina. Este modelo podría hacer que las tecnologías de imagen médica sean más accesibles para las clínicas de todo el mundo.

En Rusia también se están desarrollando soluciones similares. Así, Yandex B2B Tech, en colaboración con la Escuela de Estudios Médicos Avanzados y la Universidad Estatal de Medicina Pediátrica de San Petersburgo, ha desarrollado una red neuronal que automatiza la evaluación de imágenes de resonancia magnética del cerebro de recién nacidos. El servicio identifica la materia gris y blanca, construye contornos y muestra su proporción, lo que permite a los médicos identificar rápidamente posibles anomalías en el desarrollo cerebral y reduce el tiempo de análisis de horas a minutos. Al mismo tiempo, el sistema no sustituye al médico, sino que actúa como una herramienta auxiliar para el diagnóstico y la selección del tratamiento.

Junto con los avances científicos, la IA ya se utiliza en la práctica médica diaria. Desde 2024, las clínicas de Moscú la utilizan para procesar imágenes radiográficas y fluorográficas: si no hay signos de patología, la conclusión se registra automáticamente en el historial clínico del paciente y, si se detectan anomalías, el resultado se envía al médico para su confirmación.