La advertencia más importante primero: CARE-X no es un producto de Microsoft ni un dispositivo médico. No ha sido aprobado por ninguna autoridad reguladora y no está destinado al diagnóstico clínico, al cribado ni a la atención de pacientes. Los resultados publicados son hallazgos retrospectivos de investigación y no establecen su seguridad, eficacia ni idoneidad para uso clínico alguno.

Dentro de ese marco, el modelo presentado por Microsoft Research ilustra bien contra qué muros choca la IA en radiología.

Un radiólogo no necesita una sola cosa

Las radiografías de tórax se usan con propósitos muy distintos, y un sistema clínicamente útil debe cubrir todo ese abanico. Lo que puede pedírsele a un modelo:

  • Generar hallazgos detallados y una impresión concisa para el informe
  • Responder preguntas sobre la presencia, ausencia o ubicación de un hallazgo
  • Identificar dispositivos médicos y evaluar su colocación
  • Señalar con precisión dónde aparece una anomalía en la imagen

Estas tareas exigen salidas de distinta naturaleza, desde informes narrativos hasta puntuaciones diagnósticas calibradas. Y, por encima de todo, exigen exactitud clínica.

Aquí se afila el argumento de Microsoft: un informe puede estar perfectamente redactado y ser clínicamente erróneo si omite un hallazgo, invierte una negación o identifica mal una ubicación. Un hallazgo puede ser trivial en un contexto y vital en otro.

La brecha de los modelos actuales

Pese a la impresionante amplitud de tareas de los modelos recientes, persisten brechas críticas entre lo que necesitan los radiólogos y lo que ofrecen los sistemas. La más clara es la ausencia de confianza calibrada.

Los modelos generativos de visión y lenguaje predicen diagnósticos como texto libre y no suelen aportar puntuaciones de confianza calibradas. En el entorno clínico la confianza importa: los profesionales no pueden ajustar el equilibrio entre sensibilidad y especificidad según el contexto, un requisito esencial para el despliegue real. Los modelos discriminativos sí ofrecen esas propiedades, pero carecen de la flexibilidad de la generación abierta.

Qué hace CARE-X

El modelo intenta combinar ambos enfoques, uniendo generación y predicción estructurada para producir a la vez razonamiento en texto libre y salidas deterministas. Se emplea aprendizaje por refuerzo (DAPO) para premiar la corrección clínica en un escenario multitarea.

En un experimento distinto de CARE-X, el equipo emparejó Qwen3-VL-4B-Instruct con herramientas de medición deterministas para evaluar si el cálculo directo mejoraba el rendimiento en condiciones dependientes de mediciones frente a la mera aproximación visual.

Dónde se validó

El modelo se validó con datos clínicos reales de Narayana Health, en India. El conjunto incluye patologías raras de cuidados intensivos y condiciones de agrandamiento confirmadas por tomografía.

Que la validación se haya hecho con datos clínicos no occidentales merece atención: la mayoría de los modelos médicos de IA se entrenan con conjuntos norteamericanos y europeos, y su rendimiento puede caer en otras poblaciones.