La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · Nature (computational biology) · 2026-10-23
Aprendizaje por transferencia en dos etapas de datos sintéticos a reales para la generación automatizada de informes de mamografía mediante modelos de visión y lenguaje
Título original: Two-stage synthetic-to-real transfer learning for automated mammography report generation using vision-language models
El artículo aborda la escasez de datos emparejados de mamografías e informes preentrenando MedGemma-4B con informes sintéticos generados a partir de anotaciones BI-RADS y luego ajustándolo con 407 informes reales. Una evaluación controlada y preregistrada encontró que la mejora aparente se debía a una capacidad desigual de los adaptadores; con una capacidad equivalente, los dos esquemas de entrenamiento tuvieron un rendimiento equivalente. La concordancia diagnóstica nunca superó κ = 0.14, lo que sugiere que la precisión diagnóstica, y no la fluidez, es el principal obstáculo para obtener informes clínicamente útiles.