Un equipo de investigadores ha presentado MedPAO-Assist, un marco innovador basado en inteligencia artificial que promete transformar la manera en que se generan los reportes radiológicos en entornos clínicos. Desarrollado específicamente para operar en dispositivos periféricos (edge computing), este sistema elimina la dependencia de conectividad cloud y GPUs de alto rendimiento, abriendo nuevas posibilidades para la integración de IA en flujos de trabajo médicos reales.
El modelo, detallado en un preprint publicado en arXiv, aborda una limitación crítica en la adopción de grandes modelos lingüísticos (LLMs) en radiología: la necesidad de recursos computacionales elevados y la exposición de datos sensibles en la nube. MedPAO-Assist resuelve este desafío mediante una arquitectura multiagente que opera con un pequeño modelo lingüístico (SLM) de apenas 0.6 mil millones de parámetros, manteniendo un rendimiento óptimo en hardware estándar.
La arquitectura del sistema se basa en tres etapas fundamentales: extracción de conceptos, anclaje semántico a SNOMED-CT y generación estructurada de reportes. Cada fase es ejecutada por agentes especializados que trabajan de forma asíncrona y multihilo, logrando una latencia promedio de 31 segundos en una laptop convencional con solo 3.3 GB de uso de memoria RAM. Esto lo convierte en una solución viable incluso para equipos de cómputo modestos en entornos clínicos.
Una de las características más destacadas es su capacidad para operar completamente sin conexión. El sistema procesa comandos de voz de radiólogos, genera reportes estructurados y permite correcciones en tiempo real mediante interacción hablada, eliminando la necesidad de teclados o interfaces tradicionales. Actualmente soporta cuatro modalidades de imagen médica: radiografía de tórax, tomografía computarizada de tórax y abdomen, y resonancia magnética cerebral.
La implicancia clínica de esta tecnología es significativa. En un sector donde la privacidad de los datos es paramounte y las regulaciones como HIPAA exigen minimizar el uso de servicios en la nube, MedPAO-Assist ofrece una ruta clara hacia la automatización de reportes sin comprometer la seguridad. Además, su bajo requerimiento hardware facilita su despliegue en hospitales pequeños o clínicas en regiones con infraestructura tecnológica limitada.
Los investigadores destacan que esta implementación representa uno de los primeros ejemplos exitosos de un sistema agente completo ejecutado íntegramente en un SLM, demostrando que la eficiencia y la efectividad no necesariamente dependen del tamaño del modelo. Los resultados de hardware muestran que el sistema es factible para despliegue clínico en tiempo real únicamente con CPU, sin necesidad de aceleradores GPU.
Aunque aún se encuentra en fase de investigación, MedPAO-Assist podría ser el precursor de una nueva generación de herramientas de IA en radiología: ligeras, privadas y accesibles. Su enfoque en la operación local no solo responde a demandas técnicas, sino también a una creciente necesidad ética y regulatoria en la integración de IA en salud.
