Google lanza los modelos abiertos MedGemma para el cribado de tuberculosis sin conexión

En IDWeek 2026, celebrado en Washington D.C., Google Research detalló su transición de algoritmos propietarios de imagen médica a modelos fundacionales abiertos para el cribado de tuberculosis. El equipo destacó el despliegue de estas herramientas en seis países y su integración en la estrategia nacional de salud de Indonesia para abordar las brechas de soberanía de datos y acceso.

Qué ha ocurrido

La tuberculosis sigue siendo una de las principales causas de muerte a nivel mundial, cobrándose aproximadamente 1,23 millones de vidas anuales. Una barrera importante para la detección es la escasez de radiólogos en entornos de alta carga, donde la infraestructura de imágenes puede estar a días de distancia de clínicas rurales o sitios de trabajo remotos. En los últimos cinco años, Google Research y Google for Health han cambiado el enfoque desde los primeros puntos de referencia hacia el despliegue de modelos fundacionales abiertos que pueden ajustarse y utilizarse en el punto de atención.

El camino comenzó demostrando que la IA podía igualar a los radiólogos expertos en la lectura de radiografías de tórax. Tras publicar resultados de referencia en 2019 y ver que la Organización Mundial de la Salud recomendaba la detección asistida por ordenador en 2021, el equipo avanzó hacia la validación en el mundo real. En septiembre de 2024, un estudio prospectivo multicéntrico publicado en NEJM AI confirmó que el cribado asistido por IA mantiene una alta sensibilidad en diversas poblaciones mientras detecta otras anomalías pulmonares.

Para cerrar la brecha entre el algoritmo y la herramienta clínica, Google se asoció con Nexus AI, una empresa con sede en Pretoria. Nexus AI tradujo los algoritmos de rayos X de tórax en un dispositivo diagnóstico certificado, logrando la certificación CE MDR clase IIb y el cumplimiento de ISO 13485. Esta herramienta está ahora activa en aproximadamente 40 instalaciones sanitarias en Sudáfrica, Sierra Leona, Costa de Marfil, República Democrática del Congo, Zambia y Camerún. Los clínicos la han utilizado para evaluar más de 25.000 radiografías, reduciendo los tiempos de respuesta de semanas a menos de 45 segundos.

Cómo funciona

La tecnología central se basa en modelos multimodales de pesos abiertos que permiten a los sistemas de salud locales construir soluciones soberanas. Google lanzó MedSigLIP, un modelo ligero de visión-lenguaje que alinea imágenes médicas con texto clínico, permitiendo a los desarrolladores buscar o clasificar imágenes mediante etiquetas en lenguaje natural. Sobre esta base, lanzaron MedGemma, una familia de modelos de pesos abiertos con configuraciones de 4 mil millones y 27 mil millones de parámetros.

MedGemma admite razonamiento clínico multimodal, sintetizando hallazgos radiográficos con el historial del paciente para responder a las consultas de los clínicos en lenguaje natural. Crucialmente, estos modelos se ejecutan localmente en el dispositivo sin necesidad de acceso a internet. Esta capacidad permite a los ministerios de salud ajustar finamente los modelos con conjuntos de datos nacionales, manteniendo los datos de los pacientes dentro de las fronteras del país. Por ejemplo, Indonesia está utilizando MedGemma para cribar hasta 50 millones de ciudadanos anualmente, evitando los riesgos de residencia de datos asociados al software propietario en la nube.

Complementando los modelos visuales, Google también desarrolló Health Acoustic Representations (HeAR). Entrenado con más de 300 millones de segmentos de audio, HeAR permite el cribado no invasivo mediante sonidos de tos grabados en teléfonos inteligentes estándar. Este triaje acústico funciona junto con el cribado móvil de rayos X para crear una cascada diagnóstica integrada para poblaciones desatendidas.

Detalles clave

• Impacto global: La herramienta de Nexus AI ha cribado más de 25.000 radiografías de tórax en seis países, con la participación de más de 90 clínicos.
• Velocidad: La IA reduce el tiempo de respuesta diagnóstico de semanas a menos de 45 segundos por escaneo.
• Modelos abiertos: MedGemma (4B y 27B parámetros) y MedSigLIP tienen pesos abiertos, lo que permite el ajuste local y el uso sin conexión.
• Adopción: MedGemma ha sido descargada más de 10 millones de veces desde su lanzamiento.
• Despliegue soberano: Indonesia está ajustando estos modelos en infraestructura local para cribar a 50 millones de ciudadanos anualmente mientras mantiene la residencia de datos.
• Entornos extremos: La tecnología opera cuatro kilómetros bajo tierra en la mina de oro Mponeng en Sudáfrica, permitiendo el triaje inmediato para mineros expuestos al polvo de sílice.

Por qué importa

Para los ingenieros que construyen tecnología sanitaria, este cambio de APIs cerradas a modelos fundacionales abiertos altera la arquitectura del despliegue. Elimina la dependencia de la conectividad constante y de los servicios cloud propietarios, que a menudo son poco fiables o legalmente problemáticos en contextos de salud global. Al proporcionar modelos que se ejecutan en el dispositivo, Google permite a los equipos locales crear soluciones especializadas adaptadas a los patrones regionales de enfermedades sin necesitar enormes recursos informáticos.

El énfasis en el cumplimiento normativo y la validación clínica también ofrece una hoja de ruta para llevar la IA de la investigación a la producción. Lograr la certificación CE MDR clase IIb requirió auditorías rigurosas y ensayos clínicos prospectivos, demostrando que la seguridad y la eficacia deben integrarse en el ciclo de vida del desarrollo. Este enfoque garantiza que las herramientas de IA no solo sean precisas en pruebas de referencia, sino confiables en la atención al pie de la cama.

Además, la integración del razonamiento multimodal permite un apoyo clínico más matizado. En lugar de una simple clasificación binaria, modelos como MedGemma pueden interpretar casos complejos combinando datos de imagen con historial clínico textual. Esta capacidad empodera a los trabajadores de la salud que pueden no ser radiólogos especialistas para tomar decisiones informadas, democratizando efectivamente la experiencia en entornos con recursos limitados.

Qué puedes hacer

• Explora los modelos de pesos abiertos MedGemma y MedSigLIP a través de los recursos de Health AI Developer Foundations (HAI-DEF).
• Evalúa las capacidades de inferencia sin conexión para tus propios proyectos de imagen médica para garantizar la funcionalidad en áreas de baja conectividad.
• Estudia la vía regulatoria seguida por Nexus AI, incluyendo el cumplimiento de ISO 13485 y la certificación CE MDR, para tu propia planificación de dispositivos médicos.
• Considera entradas multimodales, como combinar datos visuales con señales acústicas como sonidos de tos, para ampliar la cobertura diagnóstica.
• Colabora con socios locales de salud para entender las necesidades específicas del flujo de trabajo antes de diseñar intervenciones de IA.
• Revisa los estudios de validación prospectiva en NEJM AI y The Lancet Digital Health para comprender las métricas de rendimiento en cohortes del mundo real.