Un modelo de IA, muchas pruebas de cáncer: conoce PRISM2, el sistema de patología que lee imágenes e informes 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.
- PRISM2 igualó o superó herramientas de IA especializadas en la detección de cáncer de próstata, cáncer de mama y metástasis en ganglios linfáticos de mama en pruebas de referencia.
- El modelo aprendió de millones de imágenes de tejido emparejadas y fragmentos reales de informes de patología, vinculando patrones visuales con lenguaje clínico.
- Los pesos completos del modelo están disponibles públicamente en Hugging Face para uso de 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 un portaobjetos 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 en forma de herramientas estrechas y de propósito único entrenadas para detectar un tipo específico de cáncer. Piénsalas como asistentes muy rápidos y muy enfocados que pueden hacer exactamente un trabajo y nada más. Construye un nuevo trabajo, empieza de cero.
PRISM2 es un intento de cambiar eso.
¿Qué construyeron realmente los investigadores?
PRISM2 es un modelo fundamental, un sistema de IA grande entrenado ampliamente para poder adaptarse a muchas tareas, similar en concepto a la tecnología detrás de ChatGPT pero diseñado para imágenes médicas en lugar de conversación general.
Los investigadores de Microsoft Research y Paige (una empresa de IA de patología que se ha unido a Tempus) entrenaron el modelo con imágenes de portaobjetos de tejido emparejadas con lenguaje extraído de informes reales de patología. 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 usaría para describirla.
El resultado es un modelo que acepta solo imágenes, o imágenes más preguntas escritas y comandos, permitiendo a los investigadores interactuar con él en lenguaje natural en lugar de a través de instrucciones rígidas y preprogramadas.
¿Cuál fue su desempeño?
En pruebas de referencia estándar, resistió la comparación con herramientas especializadas. En la detección de cáncer de próstata, detección de cáncer de mama y detección de cáncer de mama que se había diseminado a los ganglios linfáticos cercanos, PRISM2 igualó o superó el desempeño de sistemas construidos específicamente. Críticamente, eso fue sin entrenar un modelo separado para cada enfermedad.
El artículo fue publicado en Nature Medicine. Como informó primero Microsoft AI, los pesos completos del modelo están disponibles públicamente en Hugging Face para uso en investigación.
¿Qué significa esto para los pacientes?
Nada cambia en la clínica hoy. PRISM2 es una herramienta de investigación, no un producto aprobado para uso clínico. Los patólogos siguen siendo quienes leen las láminas y escriben los informes.
Lo que ofrece es una vía más rápida para investigaciones futuras. Los equipos que trabajan en cánceres raros o enfermedades con datos de entrenamiento limitados podrían potencialmente adaptar una única base compartida en lugar de construir un nuevo sistema desde cero. Eso reduce el costo y el tiempo de desarrollar la próxima generación de herramientas de diagnóstico.
Para los pacientes, la consecuencia práctica, si la investigación llega a madurez, es que la asistencia de IA podría llegar a más tipos de cáncer, en más hospitales, más rápido de lo que el enfoque actual de una enfermedad a la vez permite.
Preguntas frecuentes
¿Se está utilizando PRISM2 para diagnosticar pacientes reales?
No. PRISM2 es un modelo de investigación publicado para uso académico y no comercial. No ha sido aprobado por ningún regulador para diagnóstico clínico.
¿Por qué importa entrenar con informes 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 con imágenes y esas descripciones permite que aprenda el vínculo entre patrones visuales y significado clínico, haciéndolo más flexible que un modelo entrenado solo con imágenes.
¿Quién puede acceder a PRISM2?
Los investigadores pueden descargar los pesos del modelo de Hugging Face de forma gratuita para uso no comercial.
