Cómo funciona el sistema con inteligencia artificial que promete descubrir biomarcadores e identificar enfermedades neurológicas

Interpretar una resonancia magnética cerebral es como intentar descifrar un idioma complejo lleno de matices. Cada imagen contiene una enorme cantidad de información, pero extraerla requiere tiempo, experiencia y, muchas veces, herramientas avanzadas.

En ese contexto, la inteligencia artificial (IA) empieza a ocupar un rol clave. Un nuevo desarrollo realizado en Estados Unidos busca dar un paso más: crear un sistema capaz de aprender por sí mismo a reconocer patrones médicos en el cerebro y adaptarse a distintos usos clínicos.

Investigadores de Mass General Brigham, en Boston, desarrollaron Brain Imaging Adaptive Core (BrainIAC), un modelo fundacional de IA diseñado para analizar resonancias magnéticas cerebrales con mayor precisión y flexibilidad que los sistemas tradicionales. Según la institución, esta tecnología permite automatizar tareas clínicas complejas y podría facilitar diagnósticos más personalizados en múltiples áreas de la medicina. El estudio fue publicado en la revista Nature Neuroscience.

Un sistema que aprende sin instrucciones previas

A diferencia de muchos modelos actuales, BrainIAC no fue entrenado únicamente para cumplir una tarea específica, como detectar un tumor o medir una estructura cerebral. En cambio, funciona como una especie de “núcleo inteligente” que puede adaptarse a distintos problemas médicos.

La clave está en el aprendizaje auto-supervisado. En términos simples, esto significa que el sistema aprende observando grandes volúmenes de imágenes, sin necesidad de que cada una esté previamente etiquetada por especialistas. Es un proceso comparable al de una persona que aprende a reconocer rostros con solo mirar muchas fotos, sin que nadie le explique quién es quién.

Hasta ahora, la mayoría de los modelos de inteligencia artificial en medicina dependían de bases de datos cuidadosamente anotadas, un recurso costoso y difícil de obtener. Además, esos sistemas solían servir para una sola función. BrainIAC rompe con esa lógica al aprender patrones generales que luego puede aplicar a distintos contextos clínicos.

Qué puede hacer BrainIAC en la práctica

Para evaluar su desempeño, los investigadores entrenaron y probaron el modelo con casi 49.000 estudios de resonancia magnética cerebral, que incluían tanto personas sanas como pacientes con diversas patologías.

Los resultados mostraron que BrainIAC puede realizar tareas muy variadas: clasificar tipos de estudios, estimar la edad biológica del cerebro, predecir el riesgo de desarrollar demencia, identificar mutaciones en tumores cerebrales y anticipar la supervivencia en ciertos tipos de cáncer cerebral.

Una de sus principales ventajas es que mantiene un buen rendimiento incluso cuando los datos disponibles son limitados o los casos clínicos son complejos. Esto resulta especialmente relevante para hospitales o sistemas de salud que no cuentan con grandes bases de datos perfectamente organizadas, una situación frecuente fuera de los grandes centros de investigación.

Más allá de las tareas específicas, los desarrolladores destacan que el verdadero valor de BrainIAC está en su capacidad de adaptación. El modelo podría ayudar a descubrir nuevos biomarcadores, mejorar las herramientas de diagnóstico y acelerar la incorporación de inteligencia artificial en la práctica clínica diaria.

“El potencial de BrainIAC es enorme, porque puede integrarse a distintos flujos de trabajo médicos y adaptarse a nuevas necesidades”, explicó Benjamin Kann, líder del proyecto. En lugar de reemplazar a los profesionales, la idea es ofrecerles una herramienta que sintetice información compleja y ayude a tomar decisiones más precisas.

Lo que aún falta por resolver

A pesar de los resultados prometedores, los investigadores subrayan que todavía quedan pasos por delante. Será necesario validar el modelo con otros tipos de imágenes cerebrales y probarlo en conjuntos de datos más amplios y diversos antes de su uso clínico generalizado.

Mass General Brigham remarca que estas instancias son fundamentales para garantizar que el sistema sea confiable y seguro en distintos entornos médicos. Aun así, el avance marca una tendencia clara: la inteligencia artificial ya no se limita a tareas aisladas, sino que comienza a funcionar como una plataforma flexible capaz de adaptarse a la complejidad del cerebro humano.

En un campo donde cada imagen puede contener pistas decisivas para la salud de una persona, herramientas como BrainIAC abren la puerta a diagnósticos más rápidos, personalizados y accesibles, acercando la inteligencia artificial a la práctica médica cotidiana.