. 

València, 6 de mayo de 2026. El Dr. Lei Xing, actualmente catedrático de Física Médica en The Jacob Haimson  & Sarah Donaldson y director de la División de Física Médica de la Universidad de Stanford, ha destacado la importancia de integrar conocimiento previo para mejorar sustancialmente la eficiencia computacional, potenciar la interoperabilidad y reducir la incidencia de alucinaciones de los modelos de aprendizaje profundo aplicados a las imágenes biomédicas y análisis de datos ómicos. Este novedoso marco “acelera los descubrimientos científicos y hace avanzar la medicina personalizada”, señaló.

Lei Xing, quien también es profesor de Ingeniería Eléctrica e Ingeniería Computacional y Matemática, ha sido el profesor invitado por el Instituto Universitario Valenciano de Investigación en Inteligencia Artificial (VRAIN) de la Universitat Politècnica de València para pronunciar la conferencia “La biomedicina en la era de la IA y los modelos fundacionales”.

Presentado por el director de Internacionalización y Transferencia de VRAIN de la UPV y director del grupo de investigación PROS, Óscar Pastor, durante su intervención, el Dr. Lei Xing ha explicado cómo la inteligencia artificial (IA) y los modelos fundacionales están revolucionando la investigación biomédica y la medicina, porque ofrecen una vía fundamental para lograr descubrimientos revolucionarios y mejorar la atención al paciente.

Xing ha realizado un pormenorizado análisis de la evolución de la IA desde 2014 con la evolución del Deep Learning, hasta 2016 con AlphaGo, 2021 con Alpha Fold, 2023 con los modelos fundacionales y el aprendizaje por refuerzo, a partir de la retroalimentación humana, y en 2026 con la IA agentiva.

En este sentido, y con la evolución de la investigación biomédica, y tras la aprobación de los productos de IA en el ámbito biomédico, por parte de la FDA en EE.UU, ha subrayado que se prevé que la biomedicina basada en la IA alcance los 800 mil millones de dólares en 2035.

Sin embargo, existen grandes retos relacionados con su entrenamiento y ajuste. Los modelos actuales de aprendizaje profundo, señaló “suelen basarse en un enfoque de fuerza bruta que ignora conocimientos previos cruciales por lo que son necesarios una gran cantidad de datos y dan lugar a rendimientos que no son óptimos”.

Por ello, el Dr. Lei Xing ha profundizado en el importante papel que desempeña el conocimiento previo del sistema en los modelos de aprendizaje profundo y ha presentado estrategias para integrar esta información en el proceso de toma de decisiones basado en datos.

Retos en la atención sanitaria

Además, ha dado respuesta a la pregunta de por qué la atención sanitaria es un reto argumentando que une diversidad de enfermedades, diversidad de modalidades y formatos de datos (imágenes, tablas, lenguaje, gráficos) diferentes escalas, ruido, pequeños tamaños de la muestra y sesgos.

En este sentido, ha planteado los retos de la investigación futura en este campo. Por un lado en la existencia de datos de fuerza bruta, todavía existe demasiada artificialidad y deficiencia en el razonamiento y comprensión de lo cotidiano e integración del razonamiento simbólico en redes neuronales. El Dr. Lei Xing también se preguntó si la IA agentiva puede alcanzar una comprensión verdadera en este campo, en lugar de limitarse a una simple coincidencia superficial de patrones.

Las investigaciones del Dr. Lei Xing se han centrado en el diagnóstico por imagen, la inteligencia artificial en medicina y las intervenciones guidas por imagen. Es autor de más de 500 publicaciones revisadas por pares en revistas de gran impacto. Y es miembro de la AAPM, la ASTRO y la AIMBE. Además ha sido galardonado con el Premio Edith Quimby a la Trayectoria Profesional 2023 de la AAPM.