Un modelo de inteligencia artificial desarrollado en la Universidad de Michigan puede leer una resonancia magnética cerebral y diagnosticar condiciones neurológicas con hasta 97.5% de precisión, según un estudio recién publicado en Nature Biomedical Engineering.
El sistema, llamado Prima, no solo identifica patologías, sino que también determina qué tan urgente es la atención que requiere cada paciente y a qué especialista debería derivarse el caso.
Más allá de la detección puntual
A diferencia de modelos anteriores que se enfocaban en tareas específicas —como detectar lesiones o predecir riesgo de demencia—, Prima fue entrenado con el archivo completo de neuroimágenes de un sistema de salud: más de 200,000 estudios y 5.6 millones de secuencias acumuladas desde que comenzó la digitalización en Michigan Health.
El modelo también integra historiales clínicos y las razones por las que se solicitó cada estudio, emulando el proceso de razonamiento diagnóstico de un radiólogo.
«Prima funciona como un radiólogo, integrando información sobre la historia médica del paciente y los datos de imagen para producir una comprensión integral de su salud», explica Samir Harake, coautor del estudio.
En las pruebas, Prima superó a otros modelos de IA en más de 50 diagnósticos radiológicos de trastornos neurológicos mayores.
Potencial en contextos con recursos limitados
El neurocirujano Todd Hollon, autor principal del trabajo, señala que la demanda global de resonancias magnéticas está generando una presión significativa sobre médicos y sistemas de salud.
En muchos lugares, especialmente hospitales rurales o sistemas con recursos limitados, obtener un resultado puede tomar días o más tiempo.
Prima podría funcionar como un «copiloto» en la interpretación de estudios de imagen, ofreciendo diagnósticos inmediatos que ayuden a priorizar casos urgentes como hemorragias cerebrales o accidentes cerebrovasculares.
Limitaciones y siguientes pasos
Los investigadores aclaran que el estudio está en su fase inicial de evaluación.
El trabajo futuro explorará la integración de datos más detallados de registros médicos electrónicos para mejorar la precisión diagnóstica, estrategia que se aproxima más a cómo trabajan radiológos y médicos en la práctica real.
Prima es un modelo de visión-lenguaje (VLM) que procesa simultáneamente video, imágenes y texto. Hollon lo describe como un «ChatGPT para imagen médica» y sugiere que podría adaptarse eventualmente a otras modalidades como mamografías, radiografías de tórax y ultrasonidos.
Los sistemas de salud, formuladores de políticas y profesionales todavía están determinando cómo integrar apropiadamente la inteligencia artificial en la práctica clínica. La mayoría de los sistemas actuales están diseñados para tareas médicas específicas y acotadas.
Referencia: Chowdury, A., et al. (2025). Learning neuroimaging models from health system-scale data. Nature Biomedical Engineering. DOI: 10.1038/s41551-025-01608-0
