Dilatación aórtica leve: 12% detectados en las primeras lecturas, 93% con un VLM que mide

Cinco de 43. Esos son los casos de dilatación aórtica leve confirmados por TC que detectó un conjunto de lecturas iniciales de radiografías de tórax en un estudio aceptado en la conferencia EACTS de 2026. Un enfoque de IA basado en mediciones encontró 40 de 43: 93% de sensibilidad frente al 12%. El agrandamiento aórtico no suele ser la indicación principal de una radiografía de tórax, ni se cuantifica de forma rutinaria en ella, por lo que los casos límite permanecen invisibles hasta que una tomografía computarizada solicitada por otra indicación los revela. La nota de investigación vincula la detección tardía con resultados cardiovasculares adversos.

El modelo que realizó esa medición no fue CARE-X. El experimento, un esfuerzo de investigación independiente descrito en la misma nota, combinó Qwen3-VL-4B-Instruct con herramientas de medición deterministas. El VLM mantiene acceso visual a la radiografía mediante un bucle de múltiples turnos, utilizando herramientas para identificar puntos de referencia anatómicos, calcular mediciones y evaluar umbrales diagnósticos antes de responder. CARE-X es la pieza complementaria: un modelo unificado de lenguaje y visión para radiografías de tórax que combina la generación de informes en texto libre con predicciones estructuradas calibradas en una sola pasada.

Cuando mirar no basta, añade una regla

Algunos hallazgos radiológicos se definen por números, no por patrones. La cardiomegalia implica calcular las anchuras cardíaca y torácica y su proporción. El ensanchamiento mediastínico, el agrandamiento del botón aórtico y la dilatación de la aorta ascendente o descendente dependen de mediciones que un modelo debería calcular en lugar de aproximar visualmente, teniendo en cuenta la proyección, la exposición y la rotación del paciente. Sin entrenamiento específico para la tarea, el flujo aumentado con herramientas superó a la inferencia basada solo en percepción en todas las afecciones basadas en mediciones evaluadas:

Las mayores mejoras se sitúan en el extremo clínicamente peligroso. El agrandamiento de la aorta descendente pasó de 28.57 de F1 con solo percepción a un perfecto 100 con herramientas; la aorta ascendente, de 39.33 a 100. En una cohorte ambulatoria de 122 casos positivos confirmados por TC, la variante con herramientas alcanzó 94.26% de recall, 10.65 puntos por encima de la mejor línea base de solo percepción. En el estudio de EACTS, el enfoque basado en mediciones detectó 40 de 43 casos de dilatación aórtica leve frente a 5 de 43 en las lecturas iniciales, sacando a la luz 35 casos leves que habían pasado desapercibidos.

Estas cifras miden solo el recall, y los autores lo reconocen. En triaje, un diagnóstico omitido suele ser el fallo más costoso, por eso el estudio se centró en ello, pero un modelo que lo marque todo obtiene un recall perfecto y es inútil en la práctica. Está en curso un estudio ampliado con cohortes negativas confirmadas por TC.

CARE-X: un modelo, dos formas de responder

CARE-X se basa en un codificador de visión SigLIP2-so400M y un modelo de lenguaje Phi-4-mini-instruct (3.8B) conectados mediante un adaptador ligero, con cabezales auxiliares específicos para clasificación y anclaje coentrenados junto con el objetivo de lenguaje. La inferencia dual significa que una sola pasada produce tanto una respuesta de texto autorregresiva como una predicción del cabezal auxiliar con una puntuación de confianza. Como esas puntuaciones están calibradas, los umbrales pueden ajustarse: en 0.5 el modelo devuelve 0.943 de sensibilidad, en 0.6 devuelve 0.927 de valor predictivo positivo. Un clínico podría alternar entre un cribado de alta sensibilidad y una confirmación de alta especificidad con una sola pasada, algo que las arquitecturas puramente generativas no pueden ofrecer.

El aprendizaje por refuerzo con DAPO estrecha la brecha restante entre generación y estructura. En el anclaje anatómico en Chest ImaGenome, la salida generativa entrenada con DAPO alcanza 0.868 de mAP, ligeramente por delante del cabezal de detección SFT con 0.865, y el cabezal auxiliar de anclaje eleva el anclaje de frases en PadChest en 24.6 puntos de mAP y 14.1 puntos de mIoU. CARE-X también ocupó el primer lugar en la tabla de clasificación ReXrank ReXVQA en agosto de 2026, con 94% de precisión en 41,007 pares de preguntas y respuestas, seis puntos por encima del siguiente modelo reportado públicamente, y registra el mejor rendimiento en la mayoría de las métricas en MIMIC-CXR, IU-Xray, CheXpert-Plus y ReXGradient.

Afecciones raras con datos clínicos indios

Con Medha AI y Narayana Health como colaboradores, el equipo validó CARE-X en 1,047 radiografías de tórax anonimizadas de Narayana Health, que cubren cinco afecciones raras de alta gravedad con una prevalencia de entre 2.6% y 5.2%. CARE-X registró la mayor sensibilidad en tres de las cinco:

Sensibilidad por afección en la cohorte de Narayana Health.

El neumoperitoneo alcanzó 0.89 de sensibilidad con 0.94 de especificidad. La mayor brecha está en la colocación anómala de tubos y líneas: 0.66 frente a 0.03 de CheXOne y 0.18 de MedGemma. El perfecto 1.00 de MedGemma en desplazamiento mediastínico conlleva 0.53 de especificidad, el equilibrio que hace que la sensibilidad bruta sea engañosa por sí sola.

Lo que las cifras no dicen

Nada de esto está listo para un hospital. CARE-X es un modelo de investigación, no un producto de Microsoft ni un dispositivo médico. No ha sido autorizado ni aprobado por ninguna autoridad reguladora y no está destinado al diagnóstico clínico, el cribado ni la atención al paciente. Los resultados son hallazgos de investigación retrospectivos que no establecen seguridad, eficacia ni idoneidad para ningún uso clínico. El experimento de medición es independiente de CARE-X, y sus resultados más sólidos cubren solo casos positivos con verdad de referencia confirmada por TC.

El camino hacia una herramienta de cribado

La línea de medición ya tiene un foco de atención: la aplicación de cribado de dilatación aórtica basada en IA fue seleccionada como finalista para exhibición en el IHF Innovation Hub durante el World Hospital Congress 2026. La hoja de ruta de CARE-X incluye generación de informes estructurados, un mejor soporte de diagnóstico diferencial, una integración más estrecha de herramientas y contexto clínico más allá de la imagen, como resultados de laboratorio e historia del paciente.

Por ahora, el hallazgo duradero es la división del trabajo. El VLM comprende la imagen y localiza la evidencia; las herramientas hacen la aritmética sobre los puntos de referencia. Para diagnósticos que dependen de umbrales, esa separación es lo que convirtió una tasa de detección del 12% en un 93%.