Microsoft Research presenta CARE-X, modelo de IA de investigación para radiología de tórax

Hecho Qué ha ocurrido
Microsoft Research ha presentado CARE-X, un modelo de visión-lenguaje unificado para interpretación de radiografías de tórax que combina generación de texto libre con predicciones estructuradas mediante cabezas auxiliares de clasificación y localización. Se basa en un codificador visual SigLIP2-so400M y el modelo de lenguaje Phi-4-mini-instruct (3.8B), entrenado con una tubería de ajuste supervisado en tres etapas seguida de aprendizaje por refuerzo (DAPO) alineado a recompensas clínicas. El modelo fue validado con datos clínicos reales de Narayana Health (India), incluyendo patologías raras de UCI y condiciones de agrandamiento confirmadas por TC. Microsoft aclara explícitamente que CARE-X es un modelo de investigación, no un producto ni dispositivo médico aprobado.
Resumen generado mediante IA a partir de Microsoft Research (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra una vía técnica para resolver limitaciones conocidas de los VLMs médicos (falta de confianza calibrada, pérdida de fidelidad clínica en el entrenamiento y necesidad de medición precisa) mediante arquitecturas híbridas generativas-discriminativas, algo relevante para el futuro de la IA clínica asistida.
- Quién se ve afectado
- Laboratorios de investigación en IA médica, hospitales que evalúan herramientas de apoyo diagnóstico y desarrolladores de sistemas de radiología asistida por IA.
- Qué puede cambiar
- A medio plazo, este tipo de arquitecturas podría influir en el diseño de futuros productos de IA radiológica que combinen texto libre con salidas estructuradas y calibradas, aunque de momento no hay implicaciones prácticas inmediatas para empresas.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar si Microsoft publica el paper completo, código o benchmarks comparativos, y si terceros validan estos resultados en otros conjuntos de datos clínicos antes de cualquier posible transición hacia un producto regulado.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Microsoft Research (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗VLMimagenLLMRAG Microsoft ResearchNarayana Health CARE-X IA médica Microsoft Research radiología visión-lenguaje
Relacionadas
Agentes de IA sin tareas asignadas exploran una isla simulada del MIT y desarrollan metas propias
Investigadores del MIT situaron a trece agentes de IA llamados Eko, basados en Claude Opus 4.7, en una isla simulada sin objetivos durante 30 horas. Los…
Por qué importaSugiere que dejar explorar a un agente puede generar habilidades útiles que no se anticipan en el diseño, un enfoque distinto al entrenamiento con…
Microsoft presenta MAI-DxO, una IA que acierta el 83 % de casos clínicos complejos en pruebas
Microsoft ha presentado MAI-DxO, un sistema de IA que simula una junta médica con varios agentes y evalúa a los pacientes paso a paso. En la plataforma…
Por qué importaSi los resultados se confirman en la práctica clínica, la IA podría reducir costes de diagnóstico y aliviar la falta de especialistas, lo que…
Ai2 presenta LitPivot, un sistema que ayuda a investigadores a revisar sus ideas según la literatura
Ai2, junto a investigadores de la Universidad de Pennsylvania, ha desarrollado LitPivot, un sistema que organiza la literatura según la parte de una propuesta…
Por qué importaMuestra una forma de usar IA para contrastar propuestas con la literatura existente, algo útil para equipos de I+D que necesitan justificar la…
Hugging Face presenta Carbon-X, un modelo abierto que permite consultar el ADN en lenguaje natural
Hugging Face presentó Carbon-X, un modelo abierto entrenado con secuencias genómicas y lenguaje natural, que puede ejecutarse en un ordenador portátil y…
Por qué importaUn modelo que se ejecuta localmente y sin enviar datos a terceros podría facilitar el análisis de datos genómicos sensibles en investigación, algo…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.


