La IA que aprendió neuroimagen sin que nadie le enseñara superó a GPT-5 en triaje radiológico con 21 puntos de diferencia
El modelo no recibió etiquetas. Nadie le dijo qué era un hematoma y qué era tejido normal, qué era urgente y qué era incidental.
El equipo de Todd Hollon en la Universidad de Michigan le dio acceso a 566.915 estudios de TC y RM generados durante 20 años de práctica clínica rutinaria en Michigan Medicine —5,24 millones de series en total— y dejó que el modelo encontrara la estructura de la neuroimagen por sí solo.
El resultado, publicado en Nature Medicine, es NeuroVFM: un modelo fundacional de visión para neuroimagen que en evaluaciones directas supera a GPT-5 por 21 puntos en triaje radiológico y reduce a la mitad su tasa de error en la generación de informes.
El hospital como dataset: el concepto que cambia el paradigma
El paradigma convencional de la IA médica requiere datos etiquetados por expertos, un proceso costoso, lento y propenso a variabilidad entre anotadores.
Hollon y su equipo proponen lo opuesto bajo el nombre de health system learning: los datos que un hospital genera durante su funcionamiento normal —sin selección, sin curación, sin anotaciones— ya contienen la información necesaria para entrenar modelos de alta precisión.
Vol-JEPA, la arquitectura de aprendizaje autosupervisado que desarrollaron, aprendió a representar volúmenes de imagen en tres dimensiones prediciendo regiones enmascaradas del escaneo, igual que los modelos de lenguaje aprenden prediciendo palabras. No hubo diagnósticos como señal de entrenamiento: hubo volúmenes y estructura latente.
566.915 estudios clínicos, 5,24 millones de series, cero etiquetas. Eso es lo que entrenó al modelo que después superó a GPT-5 en neuroimagen.
156 tareas diagnósticas, un solo entrenamiento
NeuroVFM fue evaluado en 156 tareas diagnósticas distintas —desde hemorragia intracraneal hasta enfermedad de Alzheimer, desde lesiones de sustancia blanca hasta tumores— y alcanzó un AUROC de 92,68 en TC y 92,49 en RM sobre un conjunto de prueba de más de 21.000 TC y 29.000 RM.
Superó a los modelos supervisados con informes radiológicos y a los preentrenados con datos de internet, con margen estadísticamente significativo en la mayoría de las categorías.
La eficiencia fue llamativa: NeuroVFM necesita entre un 32% y un 56% menos de estudios de TC que los modelos comparadores para alcanzar el mismo rendimiento.
Mejores informes que GPT-5, mejor triaje que Claude — probado en el mundo real
La prueba más reveladora del estudio fue la comparación directa con GPT-5 y Claude Sonnet 4.5 en generación de informes radiológicos sobre 300 estudios verificados por expertos.
El modelo especializado ganó en precisión de triaje, en tasa de error y en preferencia clínica —tres expertos ciegos lo eligieron sobre GPT-5 en proporción mayor a 2:1. La diferencia, según los autores, no viene del razonamiento: GPT-5 razona mejor. Viene de la percepción. Un modelo entrenado para ver neuroimagen ve la imagen con mayor fidelidad que uno entrenado para hablar sobre todo.
Esa ventaja se confirmó en condiciones reales durante una semana de enero de 2026, cuando el sistema corrió en tiempo real sobre más de 1.100 estudios consecutivos del hospital y alcanzó una precisión de triaje del 92,6% —frente al 71,2% de GPT-5— identificando correctamente todos los casos que marcó como urgentes.
GPT-5 razona mejor que NeuroVFM. Pero en neuroimagen, ver bien importa más que razonar bien sobre lo que no se vio.
Evaluación del modelo NeuroVFM en tareas de representación y transferencia entre modalidades de neuroimagen.
(a) Las representaciones de parches (patch embeddings) obtenidas a partir de una RM ponderada en T1 se visualizaron mediante t-SNE y se colorearon según la región neuroanatómica definida por la segmentación de SynthSeg. Las representaciones de NeuroVFM se agrupan por anatomía sin supervisión explícita durante el preentrenamiento.
(b) Precisión en la correspondencia anatómica entre distintos protocolos de adquisición, evaluada en siete referencias anatómicas y comparada con NeuroMAE, un modelo de reconstrucción basado en vóxeles. Los resultados se expresan como media ± error estándar robusto.
(c) Recuperación de tumores mediante aprendizaje de un solo ejemplo (one-shot) en secuencias del conjunto BraTS21, utilizando máscaras pareadas de segmentación de gliomas. A partir de un parche de consulta, la etiqueta del vecino más cercano en una imagen de referencia se transfiere automáticamente. NeuroVFM alcanzó un IoU superior a 0,5, incluso entre distintos tipos de secuencias de RM.
(d) Desempeño en transferencia diagnóstica de modalidad cruzada sin entrenamiento previo (zero-shot), utilizando un clasificador entrenado con TC y evaluado en RM para nueve categorías diagnósticas compartidas. NeuroVFM presentó una disminución inferior a 5 puntos en el AUROC, mientras que los modelos de referencia mostraron una pérdida de rendimiento considerable, lo que sugiere una mejor capacidad de generalización entre modalidades.
Las líneas punteadas horizontales en (c) y (d) representan puntos de referencia para facilitar la interpretación de los resultados. Cor. = coronal; Sag. = sagital; sim. = similitud; t-SNE = incrustación estocástica de vecinos distribuida en t.(Imagen: Nature.)
Lo que estos hallazgos aportan a la radiología
NeuroVFM no es un producto clínico todavía: su sensibilidad del 86,5% para hallazgos críticos deja margen relevante de mejora y la validación se realizó en un único sistema de salud.
Pero el concepto que demuestra tiene mayor alcance que el modelo en sí: los años de estudios que los servicios de radiología archivan en su práctica rutinaria son, en sí mismos, el recurso de entrenamiento que la IA necesita. Los datos ya existen.
Este estudio muestra que son suficientes para superar a los mejores sistemas generalistas disponibles en tareas específicas de neuroimagen.
Para más detalles puede visitar Nature Medicine.
0 comentarios