Los informes de patología se escriben como texto narrativo libre. Cada patólogo tiene su propio estilo, y el formato del informe cambia entre hospitales. Los datos básicos, como la localización del tumor, el estadio de la enfermedad y el estado de los biomarcadores, aparecen distribuidos en distintos párrafos. Extraer estos datos exige leer el informe completo, y el software tradicional falla en esta tarea porque el texto no tiene una estructura fija.
En abril de 2026, The Pathologist publicó un estudio de Marlin Bouy y Ghulam Rasool que analiza un sistema de software diseñado para resolver este problema. El sistema usa modelos de lenguaje grandes que se ejecutan de forma local para procesar textos médicos.
El sistema funciona en tres etapas. Varios modelos de lenguaje leen el informe y extraen variables médicas como el tipo celular, el estadio tumoral y la localización. Cada modelo escribe una explicación de por qué eligió esos datos. Después, otros modelos revisan esas salidas y las comparan con el texto original para comprobar su exactitud. Al final, un modelo de consenso reúne los resultados y emite datos estructurados con documentación que muestra cómo se llegó a la conclusión. Usar varios modelos reduce la probabilidad de errores automáticos y se acerca a la forma en que trabajan los médicos cuando consultan entre sí.
Los investigadores probaron el sistema en más de 6000 informes de The Cancer Genome Atlas y en informes reales del Moffitt Cancer Center. El sistema extrajo con precisión las variables diagnósticas principales.
La extracción de biomarcadores fue la tarea más difícil. Los patólogos escriben los resultados de biomarcadores en secciones separadas, como comentarios, anexos o informes moleculares independientes. El algoritmo tuvo que reunir información de distintas partes del texto para entender el contexto médico.
Organizar estos datos acelera la aplicación de la medicina de precisión. Los hospitales usan esta técnica para buscar en miles de informes y encontrar pacientes aptos para ensayos clínicos, en lugar de revisar las historias clínicas a mano.
Aplicar este sistema en el flujo de trabajo exige conectarlo directamente con el sistema de información del laboratorio. Los modelos de lenguaje se ejecutan en servidores internos del hospital para proteger los datos de los pacientes. El sistema muestra el texto fuente en el que se basó el algoritmo, y el patólogo revisa el resultado final antes de aprobarlo.