Un equipo multidisciplinar de investigadores, integrado por profesionales del Hospital Huashan de la Universidad Fudan, la Universidad Médica Naval y la Facultad de Medicina de la Universidad Jiao Tong de Shanghái, ha desarrollado un avanzado marco de inteligencia artificial multimodal diseñado específicamente para optimizar el manejo clínico del cáncer de próstata. Este sistema ha sido construido utilizando como base MedGemma, un modelo de lenguaje visual médico de código abierto desarrollado previamente por Google, y los resultados de este estudio han sido publicados en la revista especializada npj Digital Medicine.
El sistema propuesto se distingue por su capacidad para procesar y analizar tres tipos diferentes de evidencia médica de manera diferenciada, permitiendo un abordaje más integral del paciente. Las modalidades de datos que el modelo puede integrar incluyen la resonancia magnética multiparamétrica, el ultrasonido transrectal y las imágenes de portaobjetos completos (WSI, por sus siglas en inglés), las cuales se obtienen a partir de biopsias digitalizadas. Para lograr este procesamiento, cada una de estas modalidades cuenta con su propio codificador especializado. Un aspecto técnico relevante es que, en los casos donde alguna de las imágenes no esté disponible para un paciente específico, el modelo emplea un token de sustitución, evitando así la generación de información inexistente o errónea.
Los autores del estudio han señalado una limitación importante en los recursos actuales: no existe un repositorio público que reúna resonancias, ultrasonidos y biopsias digitales emparejadas para los mismos pacientes. Debido a esta carencia, cada resultado del modelo fue evaluado en configuraciones específicas, adaptándose al conjunto de datos disponible para cada análisis.
En cuanto a sus capacidades funcionales, el modelo cumple tres objetivos principales: la segmentación de la lesión tumoral, la clasificación del grado de Gleason del cáncer y la estimación del riesgo de progresión de la enfermedad. En las pruebas de segmentación utilizando únicamente resonancia magnética, el sistema alcanzó un coeficiente de Sørensen-Dice de 0.901 sobre un total de 220 casos evaluables. Sin embargo, al incorporar el ultrasonido alineado junto con la resonancia en una cohorte pareada de 108 casos, la precisión de la segmentación aumentó de 0.872 a 0.899. Esta mejora es estadísticamente significativa y los investigadores la atribuyen al valor añadido de la información geométrica y de coordenadas que el ultrasonido proporciona durante el procedimiento de biopsia.
En el ámbito de la clasificación del grado de Gleason, basada en las biopsias digitalizadas, el modelo demostró una exactitud del 90.0% y un índice de concordancia cuadrático ponderado de 0.950. Estos datos fueron obtenidos tras analizar 1,200 muestras correspondientes a 800 pacientes. Por otro lado, la capacidad de predicción de supervivencia fue evaluada utilizando datos del Atlas del Genoma del Cáncer en una muestra de 412 pacientes con 86 eventos registrados. En este apartado, el modelo alcanzó un índice de concordancia de 0.805, superando el 0.742 obtenido por CLAM, un método de referencia que fue reproducido bajo las mismas condiciones experimentales.
Una de las innovaciones más destacadas del sistema es su capacidad para generar una justificación clínica estructurada para cada predicción realizada. Esta funcionalidad fue entrenada mediante una etapa de aprendizaje por refuerzo, manteniendo congelados los codificadores visuales y las cabezas de tarea. Para validar la calidad de estas justificaciones, dos revisores clínicos evaluaron de forma independiente 40 de ellas, otorgándoles una puntuación promedio de 4.3 sobre 5 en cuanto a corrección factual. No obstante, se registró una tasa de afirmaciones sin respaldo del 7.5%. Los investigadores han sido cautelosos al respecto, advirtiendo que estas justificaciones deben considerarse un producto auxiliar y auditable, y no una prueba directa del razonamiento interno del modelo de IA.
Finalmente, el equipo de investigación ha reconocido que la ausencia de una cohorte que combine resonancia, ultrasonido y biopsias digitales emparejadas para un mismo grupo de pacientes impide realizar una comparación trimodal definitiva. Asimismo, aclararon que las comparaciones con estudios previos sirven como referencia contextual y no como pruebas estadísticas directas, ya que no comparten el mismo procesamiento de datos ni los mismos pacientes. Como paso siguiente, los autores plantean la necesidad de realizar validaciones externas y evaluaciones prospectivas en entornos clínicos reales antes de que el sistema pueda ser considerado para un uso asistencial.
