{"id":725160,"date":"2026-08-22T11:52:29","date_gmt":"2026-08-22T11:52:29","guid":{"rendered":"https:\/\/www.europesays.com\/es\/725160\/"},"modified":"2026-08-22T11:52:29","modified_gmt":"2026-08-22T11:52:29","slug":"microsoft-prism2-ia-revolucionaria-para-detectar-cancer-en-anatomia-patologica","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/es\/725160\/","title":{"rendered":"Microsoft PRISM2: IA revolucionaria para detectar c\u00e1ncer en anatom\u00eda patol\u00f3gica"},"content":{"rendered":"<p>Investigadores de <a title=\"Microsoft\" href=\"https:\/\/www.zonamovilidad.es\/tag\/microsoft\" rel=\"nofollow noopener\" target=\"_blank\">Microsoft<\/a> Research y Paige han desarrollado PRISM2, un modelo de inteligencia artificial entrenado con im\u00e1genes de tejidos y lenguaje procedente de informes reales de anatom\u00eda patol\u00f3gica, <strong>el sistema busca superar las limitaciones de las herramientas actuales, habitualmente dise\u00f1adas para una \u00fanica tarea<\/strong>, y servir como una base com\u00fan para diferentes aplicaciones de investigaci\u00f3n m\u00e9dica.<\/p>\n<p>Una IA entrenada con im\u00e1genes y lenguaje m\u00e9dico<\/p>\n<p>El objetivo es crear un modelo de prop\u00f3sito m\u00e1s general que pueda comprender tanto las im\u00e1genes de los tejidos como el lenguaje utilizado por los pat\u00f3logos en sus informes, <strong>esta combinaci\u00f3n permite conectar los patrones visuales que aparecen en una muestra con las descripciones y conclusiones utilizadas habitualmente por los especialistas<\/strong>. PRISM2 se ha entrenado emparejando im\u00e1genes de muestras de tejido con informaci\u00f3n procedente de informes de anatom\u00eda patol\u00f3gica, a partir de estos datos,<strong> los investigadores generaron millones de ejemplos de preguntas y respuestas destinados a ense\u00f1ar al modelo la relaci\u00f3n entre determinadas caracter\u00edsticas visuales<\/strong> y el lenguaje utilizado para describirlas.<\/p>\n<p>Esta aproximaci\u00f3n pretende superar uno de los principales l\u00edmites de los modelos especializados, <strong>en lugar de entrenar un sistema independiente para detectar cada tipo de c\u00e1ncer o resolver cada problema concreto, PRISM2 puede trabajar con im\u00e1genes por s\u00ed solas o con im\u00e1genes acompa\u00f1adas de texto<\/strong>, permitiendo interactuar con el sistema mediante preguntas e instrucciones. La idea parte de que la anatom\u00eda patol\u00f3gica no es \u00fanicamente una disciplina visual, los especialistas no solo observan muestras microsc\u00f3picas, sino que tambi\u00e9n interpretan esos patrones y los convierten en informes que sirven para orientar decisiones m\u00e9dicas.<\/p>\n<p>Resultados comparables a modelos especializados<\/p>\n<p>En las pruebas realizadas por los investigadores, <strong>PRISM2 igual\u00f3 o super\u00f3 el rendimiento de sistemas especializados de detecci\u00f3n de c\u00e1ncer en diferentes pruebas de referencia<\/strong>, entre ellas se incluyen tareas relacionadas<strong> con c\u00e1ncer de pr\u00f3stata, c\u00e1ncer de mama y met\u00e1stasis de c\u00e1ncer de mama en ganglios linf\u00e1ticos<\/strong>. Uno de los aspectos destacados del estudio es que estos resultados se obtuvieron utilizando un \u00fanico modelo, sin crear una versi\u00f3n independiente espec\u00edficamente entrenada para cada una de las tareas evaluadas.<\/p>\n<p><img decoding=\"async\" class=\"img_ampliable\" src=\"https:\/\/www.europesays.com\/es\/wp-content\/uploads\/2026\/08\/1787350032_getty-images-k0s8drtkglk-unsplash.jpg\" border=\"0\" alt=\"\" width=\"100%\" loading=\"lazy\"\/><\/p>\n<p>Esto podr\u00eda facilitar el desarrollo de futuras herramientas de IA para investigaci\u00f3n en anatom\u00eda patol\u00f3gica,<strong> ya que los investigadores podr\u00edan adaptar un mismo modelo a nuevas aplicaciones sin tener que comenzar el proceso de entrenamiento desde cero cada vez<\/strong>. La anatom\u00eda patol\u00f3gica ocupa un papel central en el diagn\u00f3stico de numerosos tipos de c\u00e1ncer. Los pat\u00f3logos analizan muestras de tejido y elaboran informes que posteriormente pueden utilizarse para orientar las decisiones relacionadas con el tratamiento.<\/p>\n<p>A medida que aumenta la cantidad de im\u00e1genes y datos m\u00e9dicos disponibles, los investigadores buscan modelos capaces de aprovechar conjuntamente estas diferentes fuentes de informaci\u00f3n, <strong>PRISM2 plantea precisamente esta posibilidad al conectar la informaci\u00f3n visual de las muestras con el lenguaje cl\u00ednico utilizado para interpretarlas<\/strong>. Los investigadores han publicado los pesos completos de PRISM2 para su uso en investigaci\u00f3n a trav\u00e9s de Hugging Face, lo que permite que otros equipos puedan estudiar el modelo y explorar nuevas aplicaciones en este campo.<\/p>\n<p>El trabajo representa as\u00ed un cambio de enfoque respecto a los sistemas de IA de anatom\u00eda patol\u00f3gica centrados exclusivamente en tareas concretas: en lugar de ense\u00f1ar a la inteligencia artificial \u00fanicamente a reconocer determinadas im\u00e1genes, <strong>PRISM2 busca que aprenda tambi\u00e9n a relacionar lo que observa en un tejido con la forma en que los especialistas describen e interpretan esos hallazgos<\/strong>.<\/p>\n","protected":false},"excerpt":{"rendered":"Investigadores de Microsoft Research y Paige han desarrollado PRISM2, un modelo de inteligencia artificial entrenado con im\u00e1genes de&hellip;\n","protected":false},"author":2,"featured_media":725161,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[81],"tags":[44076,37132,1066,119,123,124,25079,6214,25,24,1636,3023,10070,9928,117,121,122,23,118,120],"class_list":["post-725160","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ciencia-y-tecnologia","tag-anatomia","tag-aprende","tag-cancer","tag-ciencia","tag-ciencia-y-tecnologia","tag-cienciaytecnologia","tag-desarrolla","tag-detectar","tag-es","tag-espana","tag-ia","tag-lenguaje","tag-microsoft","tag-patologica","tag-science","tag-science-and-technology","tag-scienceandtechnology","tag-spain","tag-technology","tag-tecnologia"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@es\/117139024445912330","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/725160","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/comments?post=725160"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/725160\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media\/725161"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media?parent=725160"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/categories?post=725160"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/tags?post=725160"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}