Un modelo de código abierto acelera el progreso global en IA aplicada a vídeo médico

SHANGHAI, 28 de septiembre de 2026 /PRNewswire/ -- Gracias a un modelo de código abierto, un conjunto de datos y un benchmark públicos, así como al MedVidU Challenge —una competición de investigación de alcance mundial—, investigadores de todo el planeta cuentan ahora con una base común para avanzar en el desarrollo de IA aplicada a vídeos médicos. El desafío congregó a 75 equipos procedentes de 18 países y regiones de los cinco continentes, aportando ideas y enfoques diversos a un ecosistema configurado por la comunidad investigadora en su conjunto.

Los participantes representaron a destacadas universidades, instituciones médicas y empresas tecnológicas, entre ellas la Facultad de Medicina de Harvard, la Universidad de Oxford, el Hospital Universitario LMU, la Universidad Tecnológica de Nanyang, la Universidad de Ciencia y Tecnología King Abdullah, la Universidad de Hong Kong y NVIDIA.

Como respaldo a este impulso generado por la comunidad, existe un esfuerzo más amplio por parte de United Imaging Intelligence (UII) para crear los recursos y plataformas compartidos necesarios para que la investigación en IA aplicada a vídeo médico avance a gran escala.

Construir una base abierta para la colaboración global

La comprensión de vídeos médicos sigue siendo una de las fronteras más desafiantes de la inteligencia artificial, ya que requiere una percepción espacial precisa, un razonamiento temporal complejo y un rigor clínico estricto. El progreso se ha visto a menudo limitado por la escasez de datos clínicos y el elevado coste de la anotación por parte de expertos.

UII está abordando estas barreras mediante un marco abierto diseñado para hacer que el progreso de la investigación sea medible y la colaboración global más accesible. En abril, tras la aceptación de su investigación MedGRPO en la conferencia CVPR 2026, UII lanzó uAI NEXUS MedVLM y publicó bajo licencia de código abierto 6.245 muestras de prueba de MedVidBench. Estas muestras forman parte de una colección de investigación más amplia compuesta por 531.850 pares de vídeo e instrucción, que UII anotó utilizando ocho conjuntos de datos de vídeo médico existentes y de acceso público. El acceso a cada componente está sujeto a sus condiciones de publicación y a las licencias aplicables a los datos de origen.

Junto con el modelo y el conjunto de datos, UII lanzó la tabla de clasificación pública MedVidBench, que evalúa los modelos mediante diez métricas, incluidas la predicción de la siguiente acción, la evaluación de habilidades y la fundamentación espacio-temporal. En conjunto, estos recursos proporcionaron a los investigadores un punto de partida común y una forma coherente de comparar y perfeccionar sus modelos.

Para transformar esta base compartida en progreso colectivo, UII lanzó conjuntamente el desafío MedVidU con la Universidad de Estrasburgo y la Universidad Técnica de Múnich en el verano de 2026. Asimismo, UII publicó un segundo lote de MedVidBench compuesto por 6.270 muestras de prueba.

En un plazo aproximado de tres meses desde su última versión, MedVidBench superó las 30.000 descargas y recibió citas de investigadores de todo el mundo, lo que refleja el creciente interés de la comunidad investigadora global.

Uniendo experiencia global para explorar nuevas fronteras

Según la última clasificación, cuatro equipos avanzaron a la fase final del desafío. Dos equipos fueron invitados a presentar sus hallazgos en el taller MedVidU de la ECCV 2026, celebrado en Malmö (Suecia) en septiembre.

El taller también incluyó presentaciones orales de dos trabajos aceptados que exploraban nuevas formas de ampliar los recursos de formación para la IA quirúrgica y de avanzar en la evaluación de las habilidades quirúrgicas. Los debates más amplios reunieron perspectivas de la ingeniería biomédica y la robótica, destacando las tendencias emergentes en el ámbito de la IA aplicada a vídeo médico.

Los procedimientos quirúrgicos y clínicos se registran de forma rutinaria; sin embargo, gran parte de este material de vídeo sigue sin aprovecharse plenamente. La IA aplicada al vídeo médico podría aportar un nuevo valor clínico: facilitando la formación quirúrgica mediante retroalimentación estructurada, ayudando en las verificaciones de seguridad intraoperatorias y agilizando la revisión y documentación postoperatorias, además de ofrecer posibles aplicaciones en la atención de enfermería y la mentoría a distancia.

UII está construyendo un ecosistema abierto de recursos compartidos, evaluación transparente, competencia global e intercambio de investigaciones para ayudar a trasladar los avances en IA aplicada a vídeo médico a la práctica clínica.

Tabla de clasificación pública: https://huggingface.co/spaces/UII-AI/MedVidBench-Leaderboard 

Fuentes de datos: https://huggingface.co/datasets/UII-AI/MedVidBench 

Declaración: Los conjuntos de datos referenciados son públicos, anonimizados, cuentan con la autorización pertinente y tienen la atribución completa. Ambos lotes están destinados a la investigación y evaluación no comerciales, conforme a los términos aplicables. Los datos de entrenamiento del Lote 2 están disponibles únicamente para los participantes del desafío.