El investigador de la Facultad de Ingeniería y Ciencias Aplicadas busca desarrollar modelos fundacionales clínicos que impacten en áreas claves, como la radiología y la histopatología, integrando datos de múltiples fuentes y aplicando técnicas avanzadas de autosupervisión.
La IA ha avanzado significativamente en los últimos años gracias a modelos de aprendizaje profundo entrenados con grandes volúmenes de datos. Estas tecnologías han impactado múltiples ámbitos, como la educación, el entretenimiento y la salud. En este ámbito, el investigador y académico de la Facultad de Ingeniería y Ciencias Aplicadas, José Manuel Saavedra, busca desarrollar modelos fundacionales clínicos con capacidad de autosupervisión, integración multimodal y mecanismos de explicabilidad adaptables, con el propósito de fortalecer la precisión, la transparencia y la confianza en el uso de IA en medicina.
Recientemente, en dupla con la Dra. Violeta Chang, de la USACH, se adjudicaron el concurso Proyectos de Exploración 2025 de la ANID, a través del proyecto “Dynamic AI foundation models for interpreting medical images through self-supervision, multimodality, clinical-context prompting, and adaptable explainability”.
“Esta propuesta busca desarrollar modelos fundacionales clínicos que mejoren la interpretación de imágenes médicas en áreas claves, como la radiología y la histopatología, integrando datos de múltiples fuentes y aplicando técnicas avanzadas de autosupervisión“, explica Saavedra.
Uno de los ejes centrales de la investigación es la explicabilidad de las inferencias realizadas por predictores basados en deep learning, lo que consiste en ofrecer una justificación comprensible de cómo un modelo llega a una determinada conclusión. “En el ámbito médico, esto implica que, además de entregar un diagnóstico o una predicción con alta certeza, el sistema debe ser capaz de mostrar las rutas de razonamiento que lo condujeron a ese resultado, utilizando un lenguaje coherente con el dominio clínico. De esta forma, médicos y pacientes pueden comprender las bases del análisis, aumentando la confianza en el uso de la IA en decisiones críticas para la salud”, detalla el experto.
El proyecto también destaca por su carácter interdisciplinario, ya que junto a Saavedra y Chang también participan Héctor Henríquez, radiólogo de Clínica Santa María con experiencia en inteligencia artificial e Iván Gallegos, patólogo del Hospital Clínico de la Universidad de Chile y experto en patología digital.
Este trabajo constituye un hito en la intersección entre inteligencia artificial, ingeniería biomédica y ciencias de la salud. Al proponer modelos explicables, adaptables y capaces de interactuar con información multimodal, la investigación abre nuevas perspectivas para el diagnóstico y tratamiento médico.
