Un modelo de inteligencia artificial diagnostica enfermedades neurológicas en segundos a partir de una resonancia magnética cerebral
Un sistema de IA entrenado con cientos de miles de resonancias magnéticas promete revolucionar el diagnóstico neurológico con resultados casi instantáneos. La herramienta Prima no solo detecta enfermedades con alta precisión, sino que también prioriza casos urgentes y anticipa decisiones clínicas.
Por Enrique Coperías, periodista científico
Imagen conceptual de un radiólogo analizando una resonancia magnética cerebral asistido por un sistema de inteligencia artificial capaz de detectar enfermedades neurológicas y priorizar casos urgentes en segundos. Crédito: IA-DALL-E-RexMolón Producciones
Un modelo de inteligencia artificial (IA) capaz de leer una resonancia magnética cerebral y emitir un diagnóstico en cuestión de segundos podría cambiar la práctica de la radiología neurológica en los próximos años.
Investigadores de la Universidad de Míchigan, en Estados Unidos, han desarrollado un sistema que alcanza una precisión de hasta el 97,5% en la detección de enfermedades neurológicas y que, además, es capaz de predecir la urgencia con la que un paciente necesita tratamiento. Sus resultados se publican en la revista Nature Biomedical Engineering.
La herramienta, bautizada como Prima, fue entrenada con más de 220.000 estudios de resonancia magnética y probada durante un año en casi 30.000 exploraciones reales. Según sus creadores, se trata de un modelo pionero que podría transformar la forma en que se interpretan las imágenes médicas en los sistemas sanitarios, en un contexto en el que la demanda global de resonancias magnéticas no deja de crecer y supera en muchos casos la capacidad de los especialistas.
🗣️ «A medida que la demanda global de resonancias magnéticas aumenta y ejerce una presión significativa sobre nuestros médicos y sistemas de salud, nuestro modelo de IA tiene potencial para reducir la carga al mejorar el diagnóstico y el tratamiento con información rápida y precisa», afirma Todd Hollon, neurocirujano de University of Michigan Health, profesor de Neurocirugía en la facultad de Medicina de la universidad y autor principal del estudio.
IA médica para diagnosticar enfermedades neurológicas con mayor rapidez
Hollon y su equipo evaluaron el sistema en más de medio centenar de diagnósticos radiológicos asociados a trastornos neurológicos graves. En este conjunto, Prima superó a otros modelos avanzados de inteligencia artificial en rendimiento diagnóstico y demostró también capacidad para priorizar los casos más urgentes.
Algunas afecciones, como las hemorragias cerebrales yo los ictus, requieren atención inmediata; en estos casos, el sistema puede enviar alertas automáticas al personal sanitario para acelerar la intervención.
La herramienta no solo identifica la enfermedad, sino que también sugiere qué especialista debe intervenir —por ejemplo, un neurólogo especializado en ictus o un neurocirujano— y proporciona recomendaciones en cuanto el paciente finaliza la prueba de imagen.
🗣️ «La precisión es primordial al interpretar una resonancia magnética cerebral, pero los tiempos de respuesta rápidos son críticos para un diagnóstico oportuno y mejores resultados —explica Yiwei Lyu, coautor principal del estudio e investigador posdoctoral en Ingeniería Informática en la Universidad de Míchigan. Y añade—: En pasos clave del proceso, nuestros resultados muestran cómo Prima puede mejorar los flujos de trabajo y agilizar la atención clínica sin abandonar la precisión».
Qué es Prima: inteligencia artificial multimodal para radiología
Prima pertenece a la categoría de modelos de lenguaje visual, sistemas de inteligencia artificial capaces de procesar simultáneamente imágenes, vídeo y texto en tiempo real. Aunque no es la primera vez que se intenta aplicar la IA a la neuroimagen, su enfoque difiere de los modelos anteriores, que solían basarse en subconjuntos de datos cuidadosamente seleccionados para tareas específicas, como detectar lesiones o estimar el riesgo de demencia.
En este caso, el equipo entrenó el sistema con prácticamente todas las resonancias magnéticas realizadas en la University of Michigan Health desde que la radiología se digitalizó hace décadas: más de 5,6 millones de secuencias de imagen. Además, incorporaron al modelo la historia clínica de los pacientes y los motivos por los que los médicos solicitaron cada prueba.
«Prima funciona como un radiólogo, al integrar información sobre la historia médica del paciente y los datos de imagen para producir una comprensión integral de su salud —señala Samir Harake, científico de datos y coautor principal del trabajo. Y continúa—: Esto permite un mejor rendimiento en una amplia gama de tareas de predicción”.
Escasez de radiólogos y aumento de pruebas diagnósticas
Cada año se realizan millones de resonancias magnéticas en todo el mundo, muchas de ellas centradas en enfermedades neurológicas. Sin embargo, la disponibilidad de especialistas en neurorradiología no crece al mismo ritmo, lo que genera retrasos en los diagnósticos, sobrecarga laboral y, en algunos casos, errores.
En determinados centros sanitarios, obtener un informe puede tardar días o incluso semanas.
🗣️ «Tanto si recibes una exploración en un gran sistema sanitario que afronta un volumen creciente como en un hospital rural con recursos limitados, se necesitan tecnologías innovadoras para mejorar el acceso a los servicios de radiologí —apunta Vikas Gulani, coautor del estudio y director del Departamento de Radiología de University of Michigan Health. Y añade—: Nuestros equipos en la Universidad de Michigan han colaborado para desarrollar una solución de vanguardia a este problema con un enorme potencial escalable».
El futuro de la inteligencia artificial en el diagnóstico por imagen
A pesar de los buenos resultados, los investigadores subrayan que la evaluación de Prima se encuentra todavía en una fase inicial. En los próximos trabajos explorarán la integración de información más detallada de los pacientes y de los historiales clínicos electrónicos, con el objetivo de imitar aún mejor la forma en que los radiólogos interpretan las imágenes.
El modelo ya ha mostrado, además, capacidad para ofrecer diagnósticos diferenciales explicables, priorizar listas de trabajo y mantener un comportamiento equitativo entre distintos grupos de pacientes.
La incorporación de la inteligencia artificial en la sanidad sigue siendo objeto de debate entre proveedores sanitarios y responsables políticos. La mayoría de los sistemas actuales se emplean para tareas médicas muy específicas. Sin embargo, el equipo de Míchigan vislumbra aplicaciones más amplias. Hollon describe Prima como una especie de «ChatGPT para la imagen médica», con potencial para adaptarse a otras pruebas diagnósticas como mamografías, radiografías de tórax o ecografías.
«Al igual que las herramientas de IA pueden ayudar a redactar un correo electrónico o proporcionar recomendaciones, Prima pretende ser un copiloto para interpretar estudios de imagen médica —afirma Hollon. Y concluye—: Creemos que Prima ejemplifica el potencial transformador de integrar los sistemas de salud y los modelos impulsados por IA para mejorar la atención sanitaria mediante la innovación».▪️(7-febrero-2026)
Información facilitada por la University of Michigan Health
Fuente: Lyu, Y., Harake, S., Chowdury, A. et al. Learning neuroimaging models from health system-scale data. Nature Biomedical Engineering (2026). DOI: https://doi.org/10.1038/s41551-025-01608-0
