El primer LLM de vídeo médico de código abierto transforma la inteligencia clínica

Evaluando el avance de las arquitecturas de inteligencia artificial y su integración en infraestructuras críticas, es evidente que la comprensión de datos multimodales en entornos hospitalarios representa uno de los mayores desafíos tecnológicos actuales. La medicina exige una precisión inquebrantable que los modelos de propósito general rara vez logran alcanzar. En respuesta a esta barrera técnica, United Imaging Intelligence (UII) ha presentado oficialmente uAI NEXUS MedVLM, el primer modelo de lenguaje a gran escala (LLM) diseñado específicamente para el procesamiento de vídeo médico que se lanza bajo un esquema de código abierto.

Esta plataforma ofrece una precisión espacial y temporal sin precedentes en entornos clínicos. La rigurosidad técnica de esta investigación ha sido validada mediante su aceptación en CVPR 2026, una de las conferencias de visión artificial e inteligencia artificial más prestigiosas a nivel global, subrayando el reconocimiento de la comunidad científica internacional.

Arquitectura de datos y métricas de rendimiento clínico

El desarrollo de un modelo fundacional especializado requiere un volumen masivo de datos altamente contextualizados. El sistema uAI NEXUS MedVLM ha sido entrenado sobre un conjunto de datos monumental que comprende 531.850 pares de instrucciones de vídeo. Este corpus de entrenamiento abarca ocho escenarios clínicos de altísima complejidad, incluyendo cirugía robótica, procedimientos laparoscópicos, endoscopia, cirugía abierta y cuidados de enfermería.

A nivel de arquitectura de software, el modelo opera con una configuración eficiente de 4B y 7B parámetros (cuatro mil y siete mil millones de parámetros, respectivamente). A pesar de tener un tamaño contenido, su especialización le permite superar de manera aplastante a los modelos base de propósito general más potentes del mercado en tareas de vídeo médico.

Precisión superior frente a modelos de propósito general

Las métricas de rendimiento publicadas en la investigación demuestran la superioridad de la especialización clínica. En las pruebas de evaluación de seguridad quirúrgica, uAI NEXUS MedVLM alcanza una precisión sobresaliente del 89,4 %. Para poner este dato en perspectiva, modelos generalistas como GPT-5.4 registran un modesto 1,8 % en este apartado, mientras que Gemini 3.1 alcanza el 10,1 %.

En términos de localización espaciotemporal de acciones —es decir, la capacidad del modelo para identificar qué ocurre y exactamente dónde y cuándo ocurre dentro del marco del vídeo—, el sistema de UII entrega un mIoU (Mean Intersection over Union) hasta 14 veces superior al de GPT-5.4 y 4 veces mayor que el de Gemini 3.1. Asimismo, en la generación automatizada de informes de vídeo clínico, el modelo obtiene una puntuación cualitativa de 4,2 sobre 5, superando sustancialmente las calificaciones de 2,5 y 2,4 obtenidas por los otros dos modelos, respectivamente.

El lanzamiento de MedVidBench y la colaboración global

Con el objetivo de acelerar el desarrollo de modelos de aprendizaje automático para el sector salud, UII no solo ha liberado su modelo, sino que ha lanzado de forma escalonada el conjunto de datos MedVidBench. Esta iniciativa arranca con la publicación en código abierto de 6.245 muestras de prueba de referencia rigurosas, abarcando diversos escenarios quirúrgicos y marcando un hito mundial tanto en escala operativa como en precisión de anotación clínica.

Para fomentar la innovación, los desarrolladores de todo el mundo pueden evaluar sus propios modelos en una plataforma de clasificación unificada. Las propuestas algorítmicas se comparan de manera automática contra datos de referencia privados, y los resultados alimentan una tabla de clasificación global en constante actualización. Esto garantiza un ecosistema de evaluación transparente y fomenta la mejora continua mediante la colaboración abierta entre instituciones sanitarias e investigadores.

Superando los obstáculos históricos en la percepción espacial médica

Históricamente, la aplicación de la visión artificial en la medicina se ha visto paralizada por dos factores determinantes: la escasez crítica de datos clínicos estructurados y el costo prohibitivo que implica la anotación manual por parte de especialistas médicos. La comprensión del vídeo médico exige una percepción espacial microscópica y una lógica temporal compleja para interpretar procedimientos que pueden durar horas.

UII ha logrado superar este cuello de botella diseñando un marco de anotación masivo fotograma a fotograma. A través de este método, se han mapeado con rigor atributos críticos como las trayectorias de los instrumentos quirúrgicos, el posicionamiento espacial tridimensional, las acciones médicas precisas y los indicadores de riesgo vital. Esta robusta base de datos dota al LLM de una inteligencia clínica completa.

Razonamiento avanzado y generación de informes

Construido sobre esta base de conocimiento, el sistema integra de manera fluida la percepción, el razonamiento deductivo y la toma de decisiones. Es capaz de ejecutar un reconocimiento automatizado de procedimientos en tiempo real, transformando secuencias de vídeo complejas y prolongadas en informes clínicos estructurados, descripciones precisas de regiones anatómicas y resúmenes ágiles del flujo de trabajo. Esta capacidad transita de la simple observación pasiva a un soporte activo, permitiendo la evaluación de las habilidades del cirujano y un análisis integral del riesgo de seguridad en el quirófano.

Impacto tangible en la automatización del ecosistema sanitario

El diseño de uAI NEXUS MedVLM está concebido para una implementación clínica directa. Su integración en los sistemas hospitalarios permite un control de calidad basado en evidencia empírica en todos los flujos de trabajo quirúrgicos. A nivel educativo, reduce drásticamente la curva de aprendizaje para los médicos residentes y estandariza la eficiencia de los procesos de formación continua.

A mediano plazo, esta tecnología se posiciona como el motor perceptivo y cognitivo central para los sistemas de inteligencia artificial integrada (Embodied AI) que operan en el mundo físico, como los robots quirúrgicos autónomos o semi-autónomos. Juntos, conformarán un sistema de circuito cerrado que une la percepción visual, el razonamiento cognitivo y la ejecución física, marcando el inicio de un ecosistema sanitario altamente estandarizado, inteligente y seguro.