Aplicación de grandes modelos visual‑lingüísticos preentrenados para el diagnóstico preliminar de placas blanquecinas esofágicas en un cribado masivo de cáncer de esófago

Por qué importan estas manchas en la garganta

Durante exámenes rutinarios del estómago y la garganta, los médicos frecuentemente observan pequeñas manchas blancas dentro del conducto alimentario, o esófago. La mayoría son inofensivas, pero algunas indican cáncer en fase inicial que puede curarse si se detecta a tiempo. Distinguir entre estas manchas que se parecen mucho unas a otras en programas de cribado con gran volumen es difícil, incluso para expertos. Este estudio explora si un sistema avanzado de inteligencia artificial (IA) puede ayudar a los médicos a clasificar rápidamente las placas peligrosas frente a las benignas, e incluso describir en lenguaje claro lo que observa.

Manchas blancas comunes con riesgos muy distintos

Las placas blancas en el esófago son sorprendentemente frecuentes: en este amplio programa de cribado, más de uno de cada cinco pacientes las presentaba. Sin embargo, estas placas pueden deberse a problemas muy distintos. Algunas son cánceres esofágicos tempranos, que aparecen como áreas blancas ligeramente elevadas y rugosas que no se desprenden al frotarlas. Otras se deben a infecciones fúngicas, que forman recubrimientos blancos y blandos que pueden desprenderse y dejar tejido enrojecido debajo. También hay pequeños crecimientos benignos llamados papilomas, o áreas planas y granuladas conocidas como acantosis glicogénica, ambos habitualmente inofensivos y aptos para un seguimiento simple. Dado que las opciones de tratamiento van desde una biopsia urgente hasta la observación, acertar en este primer juicio visual es crucial.

Convertir imágenes endoscópicas en orientación inteligente

Los investigadores construyeron un sistema de diagnóstico asistido por ordenador sobre un potente modelo visión‑lenguaje conocido como BLIP, entrenado originalmente con enormes colecciones de imágenes y texto. Alimentaron el sistema con 13.922 imágenes endoscópicas de más de 2.000 pacientes, que cubrían las cuatro causas principales de placas blanquecinas y usaban tanto la vista estándar con luz blanca como un modo de contraste especial llamado imagen de banda angosta. A diferencia de herramientas anteriores que simplemente asignan una etiqueta de enfermedad, este sistema hace dos cosas a la vez: predice cuál de las cuatro condiciones está presente y genera una breve descripción escrita de lo que “ve” en la imagen, como la localización y la apariencia de las placas.

Enseñar más a la IA con datos médicos limitados

Las colecciones de imágenes médicas son pequeñas en comparación con los archivos fotográficos cotidianos, lo que puede limitar el rendimiento de la IA. Para afrontarlo, el equipo añadió módulos especiales de «ruido con incentivo positivo» al modelo BLIP. En términos sencillos, estos módulos crean variaciones suaves, basadas en los datos, de cada imagen y de los mapas de características internos del modelo, empujando al sistema a aprender patrones más robustos sin abrumarlo con cambios aleatorios. Luego se afinó el modelo para que su comprensión de las imágenes se alineara estrechamente con los diagnósticos y las descripciones textuales proporcionadas por endoscopistas experimentados.

Rendimiento superior frente a modelos rivales y a expertos humanos

En las pruebas, el nuevo sistema superó a varios modelos líderes basados únicamente en imagen en todas las métricas clave de rendimiento para las cuatro enfermedades, utilizando ambos modos endoscópicos. También superó a un modelo visión‑lenguaje médico especializado llamado LLaVA‑Med en la tarea de generar palabras clave diagnósticas precisas dentro de sus descripciones textuales. En una competencia directa de lectura frente a cuatro endoscopistas —dos sénior y dos júnior—, la IA alcanzó una mayor precisión global en la clasificación de imágenes. Lo más destacado fue que detectó mejor el cáncer esofágico precoz que todos los médicos, especialmente en términos de recall, lo que significa que pasó por alto menos casos de cáncer manteniendo una precisión sólida.

Qué podría significar esto para futuras revisiones

El estudio sugiere que una IA visión‑lenguaje cuidadosamente adaptada podría convertirse en un asistente valioso en programas de cribado a gran escala. Un sistema así podría señalar en tiempo real las placas blancas sospechosas, reducir los cánceres tempranos no detectados y evitar muchas biopsias innecesarias al tranquilizar a los médicos cuando una lesión parece claramente benigna. El trabajo aún debe probarse con vídeos endoscópicos, con tipos más raros de placas blancas y en varios hospitales, pero apunta hacia un futuro en el que la IA no solo detecte problemas en imágenes médicas, sino que también explique su razonamiento en un lenguaje que facilite decisiones clínicas más rápidas y consistentes.

Cita: Li, Y., Li, X., Zhang, D. et al. The application of pre-trained large visual-language models for preliminary diagnosis of esophageal whitish plaques in large-scale esophageal cancer screening. npj Precis. Onc. 10, 94 (2026). https://doi.org/10.1038/s41698-026-01301-8

Palabras clave: cribado de cáncer de esófago, IA en endoscopia, modelos visión‑lenguaje, diagnóstico asistido por ordenador, placas esofágicas blanquecinas