# ORGANIC3D comprueba si los modelos de TC reconocen la anatomía correcta

> Un nuevo marco evalúa cómo los modelos de visión y lenguaje para TC en 3D relacionan los hallazgos con los órganos y los entrena para que se basen más en la evidencia pertinente de las imágenes.

Oossa · 2026-11-19 · https://oossa.com/es/organic3d-tests-whether-ct-models-use-the-right-anatomy

Un grupo de investigadores presentó ORGANIC3D, un marco para evaluar y mejorar si los modelos de IA que analizan tomografías computarizadas (TC) en 3D vinculan los hallazgos escritos con la anatomía correcta. Las pruebas modifican las imágenes al eliminar órganos, reemplazar lesiones o invertir la orientación izquierda-derecha. Así dejan al descubierto errores de correspondencia incluso en modelos con puntuaciones altas de clasificación.

Según los investigadores, su modelo, entrenado exclusivamente con datos públicos, alcanzó una precisión del 77% al determinar la lateralidad, frente a un máximo del 66% en modelos anteriores. En las pruebas en las que se eliminó un órgano, retiró el 96–99% de los hallazgos relacionados con ese órgano; los demás modelos retiraron como máximo el 69%.

## Los hechos

- El benchmark evaluó 12 puntos de control de codificadores de visión y 7 modelos generativos de visión y lenguaje.
- El artículo se publicó en arXiv el 2026-11-19.

## Por qué importa

Para los equipos de radiología que evalúan IA para analizar TC, ORGANIC3D ofrece pruebas para comprobar si los hallazgos de un modelo dependen de la anatomía pertinente, aunque el artículo no demuestra cómo se traducen los resultados a la práctica clínica.

## Fuentes y referencias

1. [ORGANIC3D: Grounding 3D CT Vision Language Models in Organ Level Image Text Coupling](https://arxiv.org/abs/2611.23529) – arXiv cs.CV, 2026-11-19

Última actualización: 2026-11-19
