Por Canuto  

Alibaba liberó Damo Radar, un modelo de inteligencia artificial entrenado para analizar tomografías computarizadas con contraste y detectar casi 150 afecciones abdominales, incluidos distintos tipos de cáncer. El sistema obtuvo un AUC promedio de 0,913 en casi 40.000 exámenes del mundo real, aunque sus resultados pertenecen al ámbito de un estudio y no equivalen por sí solos a una autorización clínica.
***

  • Damo Radar analiza tomografías computarizadas con contraste de 18 órganos abdominales.
  • El modelo alcanzó un AUC promedio de 0,913 en 146 hallazgos clínicos.
  • Alibaba publicó el sistema como código abierto tras un estudio difundido en Science.

Alibaba libera su modelo de diagnóstico

Alibaba Group Holding, a través de su brazo de investigación Damo Academy, publicó como código abierto un modelo de inteligencia artificial diseñado para analizar tomografías computarizadas con contraste. El sistema, llamado Damo Radar, busca identificar casi 150 afecciones abdominales, entre ellas distintos tipos de cáncer y otras anomalías visibles en las imágenes médicas.

El modelo de visión y lenguaje examina estudios que abarcan 18 órganos del abdomen y relaciona los patrones observados con enfermedades o alteraciones clínicas. Su desarrollo se apoyó en tomografías emparejadas con informes médicos, una combinación que permite al sistema vincular la información visual con descripciones elaboradas dentro del entorno clínico.

La publicación como código abierto representa un paso relevante para que investigadores y desarrolladores puedan examinar el funcionamiento del modelo, reproducir evaluaciones o estudiar posibles usos adicionales. Sin embargo, que un sistema esté disponible públicamente no significa que pueda sustituir de inmediato la revisión profesional, la validación institucional o los protocolos que exige la atención médica.

El anuncio llega mientras las compañías tecnológicas amplían sus esfuerzos en inteligencia artificial aplicada a la medicina, un campo donde la lectura automatizada de imágenes puede apoyar la identificación temprana de señales difíciles de revisar manualmente. En este caso, Alibaba presenta Damo Radar como una herramienta generalista para imágenes abdominales, en lugar de limitarlo a una sola enfermedad o a un órgano específico.

Resultados en casi 40.000 exámenes

La evaluación del modelo incluyó casi 40.000 exámenes del mundo real, según la información publicada por South China Morning Post. En ese conjunto, Damo Radar logró un área promedio bajo la curva, conocida como AUC, de 0,913 para 146 hallazgos clínicos, una métrica utilizada para valorar la capacidad de un sistema para distinguir entre resultados positivos y negativos.

En una escala de AUC, el valor de 1,0 representa una capacidad de discriminación perfecta, mientras que los resultados más cercanos a ese extremo indican una mejor separación estadística entre casos positivos y negativos. El dato de 0,913 muestra un desempeño elevado dentro de la evaluación reportada, aunque no debe interpretarse como una garantía de acierto en cada paciente ni como una conclusión clínica aplicable sin supervisión.

El equipo de investigación afirmó que el modelo superó a la mayoría de los radiólogos en las pruebas descritas por el estudio publicado en Science. Esa comparación coloca a Damo Radar en un nivel de competencia llamativo para una herramienta automatizada, pero su significado depende del diseño de la evaluación, de los casos incluidos y de las condiciones bajo las cuales participaron los especialistas.

La cifra de 146 hallazgos también ayuda a dimensionar el alcance del sistema: no se trata únicamente de reconocer una lesión concreta, sino de analizar un conjunto amplio de posibles enfermedades y anomalías abdominales. Aun así, el resultado comunicado corresponde a la investigación presentada y no demuestra por sí solo que el modelo pueda operar de manera autónoma en todos los hospitales, poblaciones o equipos de diagnóstico.

Qué implica el enfoque de visión y lenguaje

Damo Radar combina el análisis de imágenes con información textual extraída de informes clínicos, un enfoque que distingue a los modelos de visión y lenguaje de los sistemas entrenados únicamente para clasificar fotografías o escaneos. Al recibir tomografías asociadas con reportes médicos, el modelo aprende relaciones entre patrones visuales y las descripciones utilizadas por profesionales de la salud.

En términos prácticos, esa arquitectura puede ayudar a organizar una revisión amplia de los estudios y señalar hallazgos que merezcan una inspección más detallada. La utilidad potencial resulta especialmente clara en sistemas que deben evaluar múltiples órganos y afecciones en una misma imagen, aunque la decisión médica final continúa dependiendo del contexto completo de cada paciente y de la valoración de especialistas.

El instituto de Alibaba describió el método de entrenamiento como una base que podría extenderse a otros tipos de imágenes médicas. Esa posibilidad no equivale a que el modelo ya haya demostrado resultados fuera de las tomografías abdominales analizadas, sino que plantea una línea de investigación para adaptar técnicas similares a otras modalidades y áreas de la medicina.

El equipo calificó a Damo Radar como el primer modelo generalista de imágenes médicas de nivel experto del mundo. Se trata de una afirmación del grupo investigador, por lo que debe leerse junto con los resultados y el alcance concretos del estudio, sin convertirla automáticamente en una certificación universal de rendimiento o en una aprobación para uso clínico generalizado.

El código abierto y los límites del anuncio

La decisión de liberar el modelo puede facilitar que otras instituciones estudien su desempeño y examinen cómo responde ante diferentes conjuntos de imágenes médicas. También puede ampliar la discusión sobre transparencia, reproducibilidad y control de calidad en sistemas de inteligencia artificial que trabajan con información sensible y que podrían influir en procesos de diagnóstico.

El acceso al código, sin embargo, no elimina los desafíos relacionados con la privacidad de los datos, la representación de distintas poblaciones o la consistencia de los equipos utilizados para obtener las tomografías. La evaluación comunicada se concentra en casi 40.000 exámenes y 146 hallazgos, pero esos datos no permiten asumir que cada entorno médico producirá los mismos resultados.

Otro límite importante es la diferencia entre detectar una señal en una imagen y establecer un diagnóstico completo. Un tumor, una anomalía o cualquier otra alteración puede requerir antecedentes clínicos, pruebas adicionales e interpretación profesional, de modo que un modelo con un AUC alto puede servir como apoyo sin reemplazar automáticamente el juicio médico.

Por ahora, el anuncio sitúa a Alibaba en la carrera por desarrollar herramientas médicas de inteligencia artificial con cobertura amplia y disponibilidad abierta. El siguiente desafío será determinar cómo se comporta Damo Radar fuera de la evaluación presentada, qué controles acompañan su implementación y hasta dónde puede trasladarse su método a otras imágenes médicas sin perder precisión ni seguridad.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados