La inteligencia artificial aplicada a la imagen médica ha experimentado avances notables en los últimos años, pero los modelos fundacionales generalistas han tropezado con un obstáculo recurrente: la falta de datos clínicos de neuroimagen de calidad. Mientras que modelos como GPT se entrenan con vastos corpus de Internet, las resonancias magnéticas (MRI) y tomografías computarizadas (CT) rara vez aparecen en la web pública debido a que contienen rasgos faciales identificables. Este vacío de datos ha limitado el rendimiento de los modelos de propósito general en tareas de diagnóstico cerebral. Frente a este desafío, un equipo de la Universidad de Michigan ha desarrollado NeuroVFM, un modelo fundacional visual para neuroimagen que aprende directamente de la práctica clínica no curada, sin necesidad de etiquetas humanas ni informes radiológicos emparejados. Su arquitectura central, Vol-JEPA, extiende los enfoques JEPA al volumen tridimensional, prediciendo representaciones latentes en lugar de píxeles. Los resultados, publicados en Nature Medicine, muestran una mejora significativa frente a modelos previos, con un AUROC superior al 92% tanto en CT como en MRI. Este logro no solo representa un avance científico, sino que abre la puerta a nuevas aplicaciones en triaje, generación de informes y diagnóstico asistido por IA, todo ello con un coste computacional muy inferior al de modelos propietarios como GPT-5.
Pero más allá del laboratorio, la implementación de soluciones como NeuroVFM en entornos sanitarios reales requiere una reflexión profunda sobre la infraestructura tecnológica necesaria. No basta con tener un modelo potente: se necesita software a medida que integre estos modelos en los flujos de trabajo clínicos, garantizando seguridad, escalabilidad y cumplimiento normativo. Empresas como Q2BSTUDIO, especializadas en desarrollo de software, inteligencia artificial y ciberseguridad, están perfectamente posicionadas para ayudar a hospitales y centros de investigación a desplegar este tipo de modelos de forma eficiente y segura. La combinación de modelos fundacionales de vanguardia con una plataforma tecnológica robusta es la clave para transformar la promesa de la IA en un impacto real sobre la salud de los pacientes.
En este artículo exploraremos en detalle cómo funciona NeuroVFM, qué lo diferencia de otros enfoques, qué resultados ha obtenido en la práctica clínica y cómo las empresas tecnológicas pueden facilitar su adopción mediante servicios de cloud computing, agentes de IA y soluciones de business intelligence.
El problema de la falta de datos clínicos en los modelos generalistas es bien conocido. Los modelos fundacionales actuales, como GPT-4o, Claude o Gemini, se entrenan predominantemente con texto e imágenes extraídos de Internet. Sin embargo, las imágenes de neuroimagen clínica (MRI y CT) están protegidas por regulaciones de privacidad como HIPAA en Estados Unidos o el GDPR en Europa, ya que contienen información biométrica identificable. Como resultado, estos modelos rara vez han visto un escáner cerebral real durante su entrenamiento, lo que limita drásticamente su capacidad para interpretar patologías neurológicas.
El equipo de la Universidad de Michigan abordó esta limitación mediante lo que denominan 'aprendizaje del sistema de salud' (health system learning). En lugar de depender de conjuntos de datos curados y etiquetados manualmente, utilizaron 5,24 millones de volúmenes clínicos de MRI y CT obtenidos a lo largo de dos décadas de atención rutinaria en Michigan Medicine. Estos datos no fueron limpiados ni anotados; simplemente se extrajeron del flujo de trabajo clínico habitual. El modelo aprendió a representar la anatomía cerebral y las anomalías sin necesidad de informes de radiólogos ni etiquetas de diagnóstico. Este enfoque evita el cuello de botella de tener que emparejar cada imagen con un informe textual y elimina el sesgo de selección de enfermedades específicas que afecta a los clasificadores estrechos tradicionales.
La arquitectura del modelo se basa en Vol-JEPA, una extensión tridimensional de los métodos JEPA (Joint Embedding Predictive Architecture) previamente desarrollados por el equipo de Meta AI. Mientras que I-JEPA opera sobre imágenes 2D y V-JEPA sobre vídeos, Vol-JEPA procesa volúmenes completos de 3D. El proceso comienza tokenizando cada volumen en parches no solapados de 4x16x16 vóxeles. Luego se divide el volumen en una pequeña porción visible (contexto) y una porción mayor enmascarada (target). Un codificador estudiante procesa los parches de contexto, y un predictor combina las representaciones latentes del contexto con las codificaciones de posición del target para predecir las representaciones latentes de la región enmascarada. Un codificador profesor, que es una media móvil exponencial del estudiante, genera las representaciones objetivo reales. La función de pérdida es una L1 suave entre las representaciones predichas y las del profesor, sin gradientes a través del profesor.
El enmascaramiento es selectivo: se centra en la región de la cabeza, utilizando máscaras precalculadas. Para MRI se usa un 25% de contexto y para CT un 20%, con un 20% de dropout de parches. Esto fuerza al codificador a modelar la neuroanatomía compartida en lugar de aprender atajos basados en el fondo de la imagen. El resultado es un modelo con 85,8 millones de parámetros en su versión base y 21,7 millones en la versión pequeña, que se entrena en menos de 1.000 horas GPU, siete veces más rápido que una línea base 3DINO y con capacidad para procesar lotes 16 veces mayores con la misma memoria.
Los resultados cuantitativos son impresionantes. El modelo alcanzó un AUROC macro-promediado del 92,68% en CT y 92,49% en MRI sobre 156 tareas diagnósticas (74 de MRI y 82 de CT). Superó a todos los modelos de referencia, incluyendo HLIP (entrenado con supervisión de informes), NeuroMAE (reconstrucción de vóxeles), PRIMA, DINOv3 y BiomedCLIP. La diferencia con HLIP, que comparte los mismos datos de entrenamiento pero utiliza supervisión textual, fue de -0,98 puntos porcentuales, lo que demuestra que la predicción latente es superior a la supervisión por informes. Frente a NeuroMAE, la diferencia fue de -1,55 puntos, evidenciando que predecir representaciones latentes es más efectivo que reconstruir píxeles.
Más allá del diagnóstico, NeuroVFM permite tareas avanzadas de generación de informes y triaje. Los investigadores combinaron el codificador congelado de NeuroVFM con un modelo de lenguaje grande, Qwen3-14B, en una arquitectura tipo LLaVA-1.5, dando lugar a NeuroVFM-LLaVA. Este sistema genera hallazgos estructurados a partir de volúmenes de neuroimagen y, mediante un modelo de razonamiento, asigna niveles de agudeza: no relevante, rutinario o urgente. Los resultados superaron a GPT-5 en precisión de triaje (92,6% de precisión balanceada frente a 71,2%) y en tasa de omisión de hallazgos críticos (13,5% frente a 50,3%). Además, el coste de inferencia fue más de 24 veces inferior y la huella de carbono más de 23 veces menor.
Sin embargo, el modelo no es perfecto. En un estudio prospectivo silencioso de una semana con 1.155 pacientes, NeuroVFM alcanzó una sensibilidad del 86,5%, lo que significa que pasó por alto 21 de 155 hallazgos críticos. Los autores enfatizan que debe utilizarse como apoyo a la decisión clínica, no como cribado autónomo. Además, el modelo no está aprobado por la FDA y sus pesos se distribuyen bajo licencia CC-BY-NC-SA-4.0, lo que limita su uso comercial. También existe el riesgo de sesgo relacionado con la arquitectura, el conjunto de datos y el objetivo de aprendizaje, ya que los resultados provienen de un solo sistema académico de salud.
Desde una perspectiva empresarial, la implementación de modelos como NeuroVFM en un hospital o centro de diagnóstico requiere una infraestructura tecnológica adecuada. Aquí es donde empresas como Q2BSTUDIO pueden marcar la diferencia. Ofrecemos servicios cloud en Azure y AWS que permiten desplegar modelos de IA a gran escala con alta disponibilidad y seguridad. La ciberseguridad es especialmente crítica en el ámbito sanitario, donde los datos de pacientes están protegidos por normativas estrictas; por eso disponemos de servicios de pentesting y auditoría de seguridad para garantizar que el despliegue sea conforme. Además, nuestros agentes de IA pueden automatizar flujos de trabajo de triaje, permitiendo que el modelo NeuroVFM se integre sin fricción en los sistemas de información hospitalaria.
Otro aspecto esencial es la visualización y análisis de los resultados. Los modelos generan una gran cantidad de datos que deben ser interpretados por los radiólogos. Mediante servicios de Business Intelligence y Power BI, podemos crear dashboards interactivos que muestren las predicciones del modelo, los niveles de agudeza y las tendencias temporales, facilitando la toma de decisiones clínicas y la gestión de recursos. Asimismo, el desarrollo de aplicaciones a medida permite adaptar la interfaz de usuario a las necesidades específicas de cada hospital, integrando la IA de manera natural en el flujo de trabajo del radiólogo.
En resumen, NeuroVFM representa un hito en la neuroimagen clínica al demostrar que un modelo entrenado exclusivamente con datos no curados del mundo real puede superar a modelos entrenados con supervisión textual o reconstrucción de píxeles. Su arquitectura Vol-JEPA, eficiente y escalable, abre la puerta a una nueva generación de herramientas de diagnóstico asistido por IA. Sin embargo, el camino hacia la adopción clínica generalizada requiere más que un buen modelo: necesita una plataforma tecnológica sólida que garantice seguridad, escalabilidad e integración. En Q2BSTUDIO ofrecemos precisamente eso: desarrollo de software a medida, cloud computing, ciberseguridad, agentes de IA y BI para transformar la innovación en impacto real. La IA en salud no es el futuro, es el presente, y estamos listos para acompañar a las organizaciones en este viaje.
