La IA 'Percival' de Penn Medicine busca en los TAC enfermedades ocultas más allá del motivo de la prueba

Investigadores de Penn Medicine (Universidad de Pensilvania) han desarrollado un modelo de IA llamado Percival que analiza tomografías computarizadas (TAC) en busca de signos de enfermedad y riesgos futuros más allá del motivo por el que se pidió la prueba, según un estudio publicado en npj Digital Medicine y anunciado el 16 de octubre de 2026.

Qué informa el estudio

• Percival se entrenó con unos 400.000 TAC de cerca de 50.000 pacientes, con datos del BioBank de Penn Medicine, que reúne información de más de 350.000 personas recogida durante dos décadas.
• El modelo detectó rastros de enfermedades crónicas como la fibrilación auricular (un ritmo cardíaco irregular) y la enfermedad renal crónica.
• Frente a otro modelo de IA, TotalSegmentator, Percival señaló afecciones como el cáncer de páncreas, la cirrosis y la neumonía bacteriana “de forma mucho más fiable”, según Penn Medicine.
• El objetivo es el “cribado oportunista”: detectar, por ejemplo, rastros tempranos de cáncer en un TAC hecho para descartar una neumonía.
• El código y las especificaciones de entrenamiento son de código abierto.

Limitaciones

• Percival sigue en pruebas preclínicas y no se usa en la práctica clínica habitual. El equipo espera empezar a probarlo a principios del próximo año con vistas a su uso clínico.
• Se entrenó con datos de un solo sistema sanitario; los investigadores estudian conjuntos de datos más grandes y de varias instituciones para hacerlo más robusto.
• Este resumen se basa en la nota de prensa de la universidad, que no incluía cifras detalladas de precisión. Los hallazgos incidentales también pueden provocar pruebas adicionales y falsas alarmas, por lo que la validación prospectiva es clave.

Es una noticia de investigación, no un consejo médico. Hable con su médico sobre sus propios resultados de imagen.