Un modelo de IA, muchas pruebas del cáncer: conoce PRISM2, el sistema de patología que lee imágenes y reportes en conjunto
Un nuevo modelo de investigación de Microsoft y Paige, ahora parte de Tempus, iguala herramientas especializadas de detección de cáncer sin necesidad de reconstruirse desde cero para cada enfermedad.
Puntos clave
- Microsoft Research y Paige, ahora parte de Tempus, publicaron detalles de PRISM2 en Nature Medicine en 2025.
- En pruebas de referencia, PRISM2 igualó o superó herramientas de IA especializadas en la detección de cáncer de próstata, cáncer de mama y metástasis en ganglios linfáticos mamarios.
- El modelo aprendió a partir de millones de imágenes de tejido emparejadas y fragmentos reales de reportes de patología, vinculando patrones visuales con lenguaje clínico.
- Los pesos del modelo completo están disponibles públicamente en Hugging Face para uso en investigación no comercial.
Cuando se sospecha que un paciente tiene cáncer, uno de los pasos más importantes es una biopsia: se extrae una pequeña muestra de tejido, se prepara en una laminilla de vidrio y se examina bajo un microscopio por un patólogo, un médico especializado en diagnosticar enfermedades a partir del tejido. El patólogo escribe un informe detallado, e ese informe determina casi todas las decisiones de tratamiento que siguen.
La IA ha estado infiltrándose en este proceso durante años, principalmente como herramientas estrechas y de propósito único entrenadas para marcar un tipo específico de cáncer. Construir un nuevo trabajo, empezar de nuevo.
PRISM2 es un intento de cambiar eso.
¿Qué construyeron realmente los investigadores?
PRISM2 es un modelo de fundación, es decir, un gran sistema de IA entrenado ampliamente para poder adaptarse a muchas tareas. Piénsalo como conceptualmente similar a la tecnología detrás de ChatGPT, pero diseñado para imágenes médicas en lugar de conversación general.
Los investigadores de Microsoft Research y Paige, que posteriormente se unió a Tempus, entrenaron el modelo en imágenes de portaobjetos de tejido emparejadas con lenguaje extraído de reportes de patología reales. A partir de ese emparejamiento, generaron millones de ejemplos de preguntas y respuestas, enseñando al modelo a conectar lo que ve en una imagen de tejido con las palabras que un patólogo utilizaría para describirlo.
El resultado acepta imágenes solas, o imágenes combinadas con preguntas escritas e indicaciones, permitiendo que los investigadores interactúen con él en lenguaje natural en lugar de a través de instrucciones rígidas y preprogramadas.
¿Cuál fue su desempeño?
En pruebas de referencia estándar se mantuvo a la altura de las herramientas especializadas. Igualó o superó el desempeño de sistemas construidos a propósito en la detección de cáncer de próstata, detección de cáncer de mama y diseminación a ganglios linfáticos cercanos, todo sin entrenar un modelo separado para cada enfermedad.
El artículo apareció en Nature Medicine. Los pesos del modelo completo están disponibles públicamente en Hugging Face para uso en investigación, según reportó por primera vez Microsoft AI.
¿Qué significa esto para los pacientes?
Nada cambia en la clínica hoy. PRISM2 es una herramienta de investigación, no un producto autorizado para uso clínico. Los patólogos siguen siendo quienes leen las laminillas y escriben los reportes.
Lo que ofrece es una rampa más rápida para futuras investigaciones. Los equipos que trabajan en cánceres raros o enfermedades con datos de entrenamiento limitados podrían adaptar una única base de fundación compartida en lugar de construir un nuevo sistema desde cero. Esto reduce el costo y el tiempo de desarrollo de la próxima generación de herramientas de diagnóstico.
Si la investigación madura, la asistencia de IA podría llegar a más tipos de cáncer, en más hospitales, más rápido de lo que permite el enfoque actual de una enfermedad a la vez. Digno de seguimiento: si siguen envíos regulatorios de grado clínico, y en qué cronograma.
Preguntas frecuentes
¿Se está utilizando PRISM2 para diagnosticar pacientes reales?
No. PRISM2 es un modelo de investigación lanzado para uso académico y no comercial. No ha sido aprobado por ningún regulador para diagnóstico clínico.
¿Por qué importa entrenar con reportes de texto para un modelo que lee imágenes?
La patología es tanto sobre lenguaje como sobre imágenes. Los patólogos describen lo que ven en palabras precisas y estandarizadas. Entrenar el modelo tanto en imágenes como en esas descripciones le permite aprender el vínculo entre patrones visuales y significado clínico, haciéndolo más flexible que un modelo entrenado solo en imágenes.
¿Quién puede acceder a PRISM2?
Los investigadores pueden descargar los pesos del modelo desde Hugging Face de forma gratuita para uso no comercial.
