La IA como copiloto en radiología
Cuando se realiza una radiografía, el radiólogo debe interpretar cada imagen con precisión para redactar un informe que guiará decisiones médicas clave. Pero este proceso puede ser largo y complejo. Aquí entra en juego MAIRA-2, el nuevo modelo desarrollado por Microsoft Research: una inteligencia artificial capaz de generar informes médicos automáticamente, pero con una novedad crucial —cada frase del informe está anclada a una región específica de la imagen radiológica.
Este enfoque no solo ahorra tiempo, sino que mejora la seguridad clínica. El radiólogo puede verificar visualmente el origen de cada observación generada por la IA, lo que permite detectar errores y confiar más en el resultado final. En palabras de Javier Álvarez-Valle, director sénior de Imagen Biomédica en Microsoft Research: “La transparencia en la IA no se trata solo de velocidad, sino de confianza. Los hallazgos localizados convierten a la IA generativa en un copiloto en el que los clínicos pueden apoyarse”.
PadChest-GR: el dataset que hace posible la transparencia
Para que MAIRA-2 funcione de forma fiable, necesitaba entrenarse con datos bien estructurados. Así nació PadChest-GR, el primer dataset público y multilingüe diseñado para este fin. El proyecto ha sido desarrollado por la Universidad de Alicante, MedBravo y el Hospital Sant Joan d’Alacant, en colaboración con Microsoft.
Este conjunto de datos incluye 4.555 radiografías de tórax con informes clínicos detallados tanto en español como en inglés. Cada hallazgo —positivo o negativo— cuenta con una anotación espacial, es decir, una caja que delimita su ubicación exacta en la imagen. Además, las descripciones están redactadas en lenguaje clínico, facilitando su uso tanto para humanos como para modelos de IA.
Un proceso meticuloso y humano
Aunque se trata de un proyecto de inteligencia artificial, el componente humano ha sido esencial. Primero, se utilizó GPT-4 a través de Azure OpenAI Service para estructurar los informes clínicos no normalizados. Luego, catorce radiólogos del Hospital Sant Joan d’Alacant revisaron y validaron manualmente cada anotación en la plataforma Centaur Labs. También añadieron los cuadros delimitadores necesarios para garantizar que cada hallazgo fuera visualizable de forma clara.
Finalmente, todas las anotaciones se armonizaron en formatos estandarizados, asegurando que el contexto clínico original no se perdiera. Esta combinación de automatización y revisión humana garantiza la fiabilidad del conjunto de datos y su utilidad en entornos reales.
Una colaboración multidisciplinar
El desarrollo de PadChest-GR es fruto de una colaboración intensa entre distintos sectores. La Universidad de Alicante y MedBravo aportaron su experiencia en procesamiento del lenguaje y visión médica. Microsoft Research aplicó sus capacidades en IA generativa y lideró la investigación. El Hospital Sant Joan d’Alacant ofreció el respaldo clínico imprescindible para que la tecnología se alinee con la práctica médica real.
El resultado es un benchmark abierto que marca un nuevo estándar en la generación de informes clínicos. Permite evaluar modelos como MAIRA-2 de forma transparente y replicable, lo que facilita la innovación en todo el ecosistema sanitario.
El impulso de un científico asturiano
Detrás de este proyecto está Javier Álvarez-Valle, originario de Asturias y actual director sénior en Microsoft Research. Su trayectoria ha estado centrada en usar la tecnología para resolver desafíos sanitarios. Antes de MAIRA, lideró parte del Project InnerEye, una iniciativa de Microsoft junto al NHS británico que permitió reducir a la mitad los tiempos de planificación en radioterapia mediante IA.
Ahora, su equipo colabora con instituciones como la Mayo Clinic para desarrollar modelos fundacionales de imagen médica y avanzar en la generación automática de informes y estudios clínicos. El hito más reciente: la publicación de este trabajo en NEJM AI, una de las revistas más prestigiosas del sector.
Transparencia, precisión y futuro
Lo que distingue a MAIRA-2 y PadChest-GR es su apuesta por la IA explicable. En un ámbito tan crítico como la salud, no basta con obtener respuestas: es necesario entender su origen. Este enfoque permite que médicos, pacientes e investigadores compartan una misma base de confianza.
Gracias a la combinación de tecnología avanzada y validación clínica, se abre una nueva etapa en la radiología basada en IA, donde los informes no solo son automáticos, sino también comprensibles, auditables y multilingües. Todo ello con un objetivo claro: mejorar la atención sanitaria en velocidad, calidad y seguridad.
