DAMO RADAR: el sistema de Alibaba para detectar 146 patologías mediante imagen médica

El pulso de la semana lo marca un anuncio llegado desde la DAMO Academy de Alibaba: según publica Intelligent Living, su sistema de inteligencia artificial médica, bautizado como DAMO RADAR, sería capaz de identificar cáncer y hasta 146 condiciones a partir de pruebas de imagen. Para nosotros, los clínicos, la cifra impresiona, pero la pregunta de fondo es otra: qué hay realmente detrás de un titular así y cómo encaja en el flujo asistencial real.

Lo que sabemos —y lo que todavía no— del anuncio

Por ahora, la información disponible se limita a la cabecera y al snippet de la noticia: el sistema se presenta como una IA médica orientada al cribado y al diagnóstico asistido, sin que el material publicado recoja métricas de sensibilidad, especificidad, validación externa ni descripción de la población estudiada. En la práctica diaria, esto significa que debemos leer el anuncio con prudencia, porque "146 condiciones" puede referirse tanto a un abanico amplio de hallazgos incidentales como a un catálogo comercial, y no necesariamente a una validación prospectiva en nuestro entorno. Antes de considerar cualquier adopción, conviene esperar a publicaciones con datos primarios y revisados por pares.

El encaje con el ecosistema de imagen médica

Este anuncio llega cuando la IA de imagen está dejando de ser un proyecto piloto para convertirse en infraestructura. Como recoge Korea IT Times en su serie sobre plataformas de imagen médica, los sistemas nacionales de cribado de cáncer de pulmón —como el programa surcoreano iniciado en 2019, que ofrece TAC de baja dosis cada dos años a personas de 54 a 74 años con alta carga tabáquica— dependen hoy de algoritmos que no solo detectan nódulos, sino que comparan con estudios previos, miden cambios de tamaño y volumen, programan el seguimiento a tres, seis, doce o veinticuatro meses y generan informes estructurados. La conversación en Asia y en Europa gira, por tanto, alrededor de quién conecta el algoritmo con el PACS del hospital, cómo se audita su rendimiento y qué ocurre con los hallazgos incidentales a largo plazo. DAMO RADAR, si cumple lo que promete, entra de lleno en esa misma conversación.

Qué vigilar antes de llevárnoslo a la consulta

Para evitar el clásico cuello de botella diagnóstico al revés —un sistema que señala más de lo que podemos confirmar—, revisar tres frentes prácticos:

• Validación clínica independiente: sensibilidad y especificidad publicadas por terceros, no solo por el desarrollador, y por separado en poblaciones distintas a las de entrenamiento, que es donde muchos modelos fallan al cambiar de contexto.
• Integración real con el hospital: cómo dialoga con el PACS, el sistema de informes y la agenda de seguimiento, porque de nada sirve un detector brillante si el nódulo se queda en un PDF que nadie agenda.
• Gobernanza de hallazgos incidentales: quién revisa las "146 condiciones" cuando aparecen, cómo se informa al paciente y qué circuito de derivación se activa cuando el algoritmo marca algo que el radiólogo no esperaba.

En definitiva, DAMO RADAR nos recuerda algo que ya intíamos en la sala de descanso: la IA médica avanza más rápido que nuestra capacidad de digerirla, y nuestro papel sigue siendo traducir sus salidas a decisiones clínicas responsables.