MIT presenta MultiverSeg: un sistema de IA para acelerar la investigación clínica mediante el análisis de imágenes médicas
MIT presenta MultiverSeg: un sistema de IA para acelerar la investigación clínica mediante el análisis de imágenes médicas
Vicerrectorado de Enseñanza Virtual 06/10/2025 ⏱️ 5 min
El Instituto Tecnológico de Massachusetts (MIT) ha desarrollado MultiverSeg, un sistema de inteligencia artificial diseñado para segmentar y anotar imágenes médicas de manera interactiva y eficiente. Este avance busca agilizar la investigación clínica y apoyar el diseño de tratamientos innovadores, superando las limitaciones de los métodos manuales y de los modelos de segmentación tradicionales (MIT News, 2025)
La segmentación de imágenes, proceso de identificar y marcar regiones de interés en escáneres médicos, constituye un paso esencial en estudios clínicos y ensayos de nuevos tratamientos. Sin embargo, suele requerir un trabajo manual lento y costoso, que limita la cantidad de datos que los investigadores pueden procesar en un tiempo determinado.
Hasta ahora, las alternativas de IA exigían o bien reentrenar modelos con grandes conjuntos de datos ya segmentados, o repetir la anotación para cada imagen nueva, lo que seguía representando una barrera significativa en la investigación biomédica.
MultiverSeg combina lo mejor de ambos enfoques existentes: permite a los investigadores realizar marcas simples (clics, trazos o cuadros) en una imagen, y a partir de ahí el sistema predice la segmentación. Con cada interacción, el modelo aprende y requiere menos indicaciones, hasta alcanzar la capacidad de segmentar automáticamente nuevas imágenes con alta precisión.
Entre sus características principales destacan:
Reducción del trabajo manual: tras unas pocas interacciones, puede segmentar imágenes sin intervención del usuario.
Flexibilidad: no necesita conjuntos de datos presegmentados ni conocimientos avanzados en aprendizaje automático.
Interactividad: los usuarios pueden corregir y refinar predicciones, mejorando la exactitud de forma progresiva.
Escalabilidad: funciona con diferentes modalidades médicas, como resonancias, tomografías o radiografías.
En pruebas comparativas, MultiverSeg superó a otros sistemas de segmentación interactiva, logrando un 90 % de precisión con dos tercios menos de anotaciones manuales.
La introducción de este sistema pretende acelerar los ensayos clínicos al reducir el tiempo de preparación de imágenes para estudios de enfermedades y terapias emergentes. En educación médica, facilita el entrenamiento de estudiantes y profesionales al ofrecer herramientas de segmentación inmediatas y precisas.
El desarrollo de MultiverSeg representa un paso clave hacia la integración de la inteligencia artificial en la investigación médica aplicada. Al reducir la carga de trabajo manual y aumentar la precisión, esta herramienta promete ampliar el alcance de los estudios clínicos y acelerar la innovación en tratamientos.
MIT News. (25 de septiembre de 2025). New AI system could accelerate clinical research. Massachusetts Institute of Technology. https://news.mit.edu/2025/new-ai-system-could-accelerate-clinical-research-0925