Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
Ask an AI model about a mammogram and it returns a diagnosis. It does not say how much to trust that particular answer. A team from the University of Pittsburgh has built a model that does: a deep neural network, or DNN, that gives each patient a diagnosis together with an uncertainty score. The work was presented at the annual meeting of the Society of Photo-Optical Instrumentation Engineers (SPIE) in February 2026, in Vancouver, Canada.
Pregunte a un modelo de IA por una mamografía y devolverá un diagnóstico. No dirá cuánta confianza merece esa respuesta concreta. Un equipo de la Universidad de Pittsburgh ha creado un modelo que sí lo hace: una red neuronal profunda, o DNN, que ofrece a cada paciente un diagnóstico junto con una puntuación de incertidumbre. El trabajo se presentó en la reunión anual de la Sociedad Internacional de Óptica y Fotónica (SPIE), celebrada en febrero de 2026 en Vancouver (Canadá).
DNNs learn from training sets in which humans have labeled the right answers. They become very good at predicting the likely answer across a population of patients, sometimes almost all of the time. They are much weaker at telling how reliable a diagnosis is for one person. For a disease that threatens life, the team points out, even a few wrong diagnoses are catastrophic for the patients they affect. The team’s method, which it calls uncertainty-weighted learning (UWL), feeds the uncertainty score into training itself, so the model learns to handle uncertain cases more carefully.
Las DNN aprenden a partir de conjuntos de entrenamiento en los que personas han etiquetado las respuestas correctas. Llegan a ser muy buenas para predecir la respuesta probable en una población de pacientes, a veces casi siempre. Pero son mucho más débiles a la hora de indicar cuán fiable es un diagnóstico para una persona concreta. En una enfermedad que pone en peligro la vida, señala el equipo, incluso unos pocos diagnósticos erróneos son catastróficos para los pacientes afectados. El método del equipo, que denomina aprendizaje ponderado por incertidumbre (UWL), incorpora la puntuación de incertidumbre al propio entrenamiento, de modo que el modelo aprende a tratar los casos inciertos con más cautela.
The obstacle was computing. Mammograms are large, high-resolution images, and graphics processing units (GPUs), the chips DNNs run best on, need large shared memory to process each one without constant trips to storage. Jiren Li, a PhD student, obtained time on Bridges-2, the supercomputer of PSC, through ACCESS, the network of supercomputing sites run by the US National Science Foundation (NSF). Bridges-2 offered 47 GPU nodes with 384 late-model GPUs, and each node has between 128 and 2,000 gigabytes of RAM, against 64 GB in a high-end laptop. Its Ocean storage system holds 15 petabytes of usable data.
El obstáculo era la capacidad de cálculo. Las mamografías son imágenes grandes y de alta resolución, y las unidades de procesamiento gráfico (GPU), los chips en los que mejor funcionan las DNN, necesitan una gran memoria compartida para procesar cada una sin acudir constantemente al almacenamiento. Jiren Li, doctorando, obtuvo tiempo de cómputo en Bridges-2, el supercomputador del PSC, a través de ACCESS, la red de centros de supercomputación gestionada por la Fundación Nacional para la Ciencia de Estados Unidos (NSF). Bridges-2 ofrecía 47 nodos GPU con 384 GPU de última generación, y cada nodo dispone de entre 128 y 2.000 gigabytes de RAM, frente a los 64 GB de un portátil de gama alta. Su sistema de almacenamiento Ocean tiene una capacidad útil de 15 petabytes.
The first analysis, which compared several UWL-based DNNs, was encouraging. One of them gave good estimates of its own uncertainty, signaling to doctors and patients when a diagnosis may be less reliable for a specific patient. It did this without losing accuracy across the population as a whole. The reporting gives no accuracy figures for the model, and the team describes this as a first analysis, not a clinical validation.
El primer análisis, que comparó varias DNN basadas en UWL, fue alentador. Una de ellas ofreció buenas estimaciones de su propia incertidumbre, avisando a médicos y pacientes de cuándo un diagnóstico puede ser menos fiable para un paciente concreto. Lo hizo sin perder precisión en el conjunto de la población. La información publicada no ofrece cifras de precisión del modelo, y el equipo describe este trabajo como un primer análisis, no como una validación clínica.
For radiologists, the gain would be a second signal next to each answer, showing which cases deserve a closer read. For patients, it would be a warning when a diagnosis is less reliable for them personally. The team says the same approach could apply to other critical uses of AI, beyond breast cancer. It gives no timeline for clinical use, and the model is still at the research stage.
Para los radiólogos, la ventaja sería una segunda señal junto a cada respuesta, que indicara qué casos merecen una lectura más detenida. Para los pacientes, sería una advertencia cuando un diagnóstico sea menos fiable en su caso personal. El equipo afirma que el mismo enfoque podría aplicarse a otros usos críticos de la IA, más allá del cáncer de mama. No ofrece un calendario para el uso clínico, y el modelo sigue en fase de investigación.