💡 Resumen (TL;DR):
- Investigadores crearon Merlin, una IA médica que analiza tomografías abdominales para ejecutar 752 tareas clínicas diferentes.
- El sistema detecta el riesgo de diabetes o problemas cardiovasculares a cinco años con un 75% de precisión.
- Al entrenarse con un solo GPU, abre la puerta para que más hospitales desarrollen modelos predictivos de bajo costo.
Investigadores de la Universidad de Stanford, financiados por los Institutos Nacionales de Salud (NIH), presentaron a Merlin. Merlin es un modelo fundacional de inteligencia artificial que interpreta tomografías computarizadas en 3D para detectar enfermedades crónicas años antes de su diagnóstico clínico.
El estudio, publicado esta semana en Nature, demuestra cómo este sistema de propósito general supera a las herramientas construidas para tareas individuales. El equipo entrenó la tecnología utilizando 15,331 tomografías abdominales, vinculadas directamente a reportes radiológicos y casi un millón de códigos de diagnóstico extraídos de historiales médicos electrónicos.
Al evaluar 692 códigos diagnósticos diferentes, el software acertó al predecir la condición del paciente en más del 81% de los casos. En un grupo específico de 102 códigos, su nivel de precisión médica se disparó al 90%.
“Con Merlin, podrías ir más allá de la radiología tradicional y saltar directamente de la imagen a un posible diagnóstico. Y ese es solo un uso potencial”, afirmó Louis Blankemeier, coautor principal y exestudiante de posgrado en Stanford.
Biomarcadores invisibles y eficiencia de hardware
La principal ventaja técnica del modelo es su proyección a futuro. Al escanear pacientes sanos, el software pronosticó el desarrollo de diabetes, osteoporosis o enfermedades cardiovasculares en un margen de cinco años. Su tasa de precisión para detectar pacientes de alto riesgo fue del 75%, superando el 68% registrado por los modelos predictivos alternativos.
Estos resultados confirman que la plataforma es capaz de detectar características orgánicas y señales de riesgo que resultan completamente invisibles para el ojo humano, perfilando el camino hacia nuevos biomarcadores de enfermedades.
Para comprobar su flexibilidad de uso, el equipo analizó tomografías de tórax, una región anatómica que no figuró en sus datos de entrenamiento. La IA generalizó el conocimiento anatómico e igualó o superó el desempeño del software especializado exclusivamente en imágenes torácicas.
A nivel de desarrollo, destaca su baja demanda de procesamiento. Todo el modelo se entrenó utilizando una sola GPU. Los científicos enfatizaron este dato para demostrar que hospitales y centros de investigación con presupuestos limitados pueden construir sus propios sistemas de diagnóstico sin invertir en centros de datos masivos.
Ashwin Kumar, coautor del estudio, aclaró que aunque varias funciones básicas operaron de inmediato, “otras tareas más complicadas, como redactar informes de radiología desde cero o identificar y delinear órganos en un espacio 3D, requirieron entrenamiento adicional”.
El equipo de la universidad buscará la aprobación regulatoria para implementar las aplicaciones más simples del sistema a corto plazo, mientras ajustan la programación de Merlin para ejecutar retos clínicos complejos, como la redacción automatizada de expedientes médicos.
