Alibaba libera Damo Radar: detecta 146 condiciones en TAC

¿Qué es Damo Radar y por qué Alibaba lo libera como open source?

Alibaba, a través de su brazo de investigación Damo Academy, presentó Damo Radar, un modelo de visión-lenguaje capaz de identificar casi 150 condiciones abdominales —incluyendo tumores malignos— a partir de escaneos de tomografía computarizada (TAC) con contraste, según publicó South China Morning Post (SCMP).

El modelo fue entrenado con pares de escaneos TAC e informes clínicos, y está diseñado para analizar imágenes de 18 órganos abdominales. En pruebas con casi 40.000 exámenes clínicos reales, Damo Radar alcanzó un AUC promedio de 0,913 sobre 146 hallazgos clínicos (un AUC de 1,0 representa precisión diagnóstica perfecta). El equipo lo describe como «el primer modelo de imagen médica generalista a nivel experto del mundo».

Damo Academy fue creada en 2017 y, en los últimos años, ha concentrado sus esfuerzos en herramientas de cribado para cáncer de páncreas, estómago y colorrectal, además de disecciones aórticas. En abril, la división ya había lanzado el modelo Coca AI, orientado a detección temprana de cáncer colorrectal y desarrollado junto al Guangdong General Hospital. Damo Radar representa un salto de cobertura: pasa de un solo tipo de cáncer a casi 150 condiciones abdominales.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Qué tan preciso es frente a radiólogos humanos?

El estudio se publicó el jueves en la revista Science, con participación de varias instituciones —entre ellas un hospital afiliado a la Universidad de Zhejiang—, y comparó el modelo con 26 radiólogos de múltiples hospitales. El AUC promedio del modelo superó al de 23 de los 26 participantes.

Los resultados en uso asistido son igual de relevantes para un founder: con Damo Radar como asistente, los radiólogos mejoraron su capacidad de prevenir diagnósticos omitidos en un 10% y redujeron el tiempo requerido en más de un 30%. El modelo no reemplaza al clínico: lo hace más rápido y más preciso dentro del flujo de trabajo existente.

¿Dónde encaja en el ecosistema open source de IA médica?

Damo Radar no llega solo. El espacio de imagen médica con código abierto viene consolidándose con frameworks como MONAI —un ecosistema PyTorch cofundado por NVIDIA, distribuido bajo licencia Apache 2.0 y mantenido por más de 30 instituciones—, que ya se utiliza en más de 20 hospitales pediátricos en EE. UU. para modelado cardíaco 3D, según reportó Unite.ai el 15 de septiembre de 2026.

La diferencia clave con Damo Radar: no es un framework genérico, sino un modelo entrenado y publicado, con pesos abiertos y benchmarks revisados por pares en Science. Para founders, eso cambia el cálculo de costos: ya no hace falta entrenar desde cero un clasificador de imagen médica, sino validar uno existente sobre datos propios y enfocarse en la integración clínica y regulatoria.

¿Qué significa esto para tu startup de healthtech?

Tres lecturas prácticas:

No entrenes lo que ya está resuelto. Si tu producto depende de clasificación de imágenes médicas, evalúa primero modelos open source como Damo Radar antes de invertir meses en entrenar el tuyo. El paper ya fue revisado por pares y los pesos son públicos.
El cuello de botella se desplaza a tus datos. La ventaja competitiva ya no está en el modelo, sino en la calidad y curación de tu dataset clínico, en las integraciones con PACS/HIS y en los procesos de validación regulatoria locales (FDA, CE, COFEPRIS, INVIMA).
Open source reduce el lock-in con hyperscalers. Modelos como Damo Radar corren sobre infraestructura estándar y no atan tu roadmap a una nube específica. Eso facilita negociar contratos y reduce el riesgo de dependencia de proveedor.

Para founders en LATAM o España, donde el acceso a radiólogos especializados es desigual por región, esta clase de modelos plantea una oportunidad concreta: llevar segundo diagnóstico a zonas donde el primero no existe o tarda semanas. La pregunta regulatoria y de responsabilidad clínica es donde pivota todo el modelo de negocio —no la capacidad técnica.