Google Research ha presentado Empirical Research Assistance (ERA), un sistema de IA descrito en Nature que ayuda a los científicos a crear y optimizar software para experimentos empíricos.

La idea es práctica: el investigador plantea un problema científico y una métrica de éxito, y el sistema busca bibliografía, escribe código, prueba soluciones y emplea búsqueda en árbol para mejorar el resultado.

En la publicación, ERA se ha probado en tareas de genómica, salud pública, datos satelitales, neurociencia, series temporales y matemáticas. Google también informa de nuevas aplicaciones: predicción de virus respiratorios, evaluación de la escorrentía en California, cartografía de CO₂ y optimización de estructuras solares. Esto demuestra cómo la IA puede acelerar no solo la redacción de textos, sino también el trabajo científico iterativo con código, modelos y experimentos.

Un modelo multimodal para el cáncer de mama

En Nature Communications se ha publicado una investigación sobre un enfoque multimodal de IA para el pronóstico del cáncer de mama. El modelo combina imágenes patológicas digitales y datos clínicos para ayudar a evaluar el riesgo de recidiva en distintos subtipos moleculares de la enfermedad, incluido el cáncer de mama triple negativo.

El tema es relevante porque en oncología a menudo no basta con un solo tipo de datos. Las imágenes de las muestras de tejido ofrecen una perspectiva y las características clínicas otra, y los sistemas de IA pueden buscar relaciones entre ambas. Un enfoque así puede ser útil para una evaluación más personalizada del riesgo y para investigar qué pacientes necesitan un seguimiento más estrecho. Los modelos médicos multimodales son una de las vías por las que la IA puede resultar más útil para tomar decisiones clínicas reales, siempre que se valide con el rigor suficiente.

Corti: transcripción médica especializada

Corti ha lanzado Symphony for Speech-to-Text, un modelo especializado en dictado clínico, transcripción de conversaciones y procesamiento de audio médico. Según VentureBeat y los datos de la compañía, el modelo aborda un problema habitual de los sistemas genéricos de voz a texto: los términos médicos, las dosis, las abreviaturas y los entornos ruidosos.

La idea práctica es sencilla: si los sistemas de IA van a ayudar con la documentación médica, la escucha ambiental o los agentes clínicos posteriores, el texto de entrada tiene que ser muy preciso. Corti presenta su modelo como una capa API para desarrolladores y plataformas de salud que quieran construir aplicaciones sobre una transcripción médica más fiable.

En sectores regulados como la sanidad, los modelos especializados pueden resultar más adecuados que los generales, sobre todo cuando un error en un término o una dosis tiene consecuencias reales. Si alguna vez has visto a un médico teclear sin parar, entenderás por qué esto es una bendición.