NVIDIA abrió MAISI (Medical AI for Synthetic Imaging) para generar imágenes médicas sintéticas en 3D a partir de CT y MRI, con código de inferencia, pesos preentrenados y configuraciones de entrenamiento listos para reutilizar. El anuncio gira en torno a MAISI y al repositorio NV-Generate-CTMR, pensado para equipos que desarrollan o prueban modelos de IA médica, no para usuarios comunes ni para diagnóstico directo de pacientes.
En la práctica, lo nuevo es que investigadores, hospitales con equipos técnicos, universidades y empresas pueden partir desde una base ya armada para producir volúmenes anatómicamente consistentes, ajustar modelos con sus propios datos y acelerar pruebas de entrenamiento, benchmarking o traducción entre modalidades.
Cuando NVIDIA habla de un “marco abierto”, no se refiere a una app simple de consumo. Significa que los componentes técnicos principales quedan disponibles bajo licencias publicadas para que desarrolladores e investigadores los inspeccionen, ejecuten y adapten sin depender solo de un servicio cerrado.
El blog técnico de la compañía dice que el proyecto fue planteado como “open source by design” e indica que el repositorio incluye el flujo completo de inferencia, pesos preentrenados y recetas de entrenamiento. También precisa que la inferencia sobre GPUs NVIDIA RTX puede ejecutarse sin regalías. Eso no elimina los costos reales de uso: siguen haciendo falta hardware compatible, almacenamiento, personal técnico y, en muchos casos, nube o infraestructura local.
Imágenes médicas sintéticas en MAISI
El repositorio NV-Generate-CTMR se apoya en la familia MAISI. La idea central es generar volúmenes 3D de alta resolución que se parezcan a estudios clínicos reales, con suficiente coherencia anatómica para servir en tareas de desarrollo de IA. Según NVIDIA, el sistema puede crear imágenes de CT con máscaras de segmentación asociadas y también MRI en varios contrastes. El repositorio de GitHub describe soporte para tamaños de volumen variables y control sobre aspectos como el espaciado de vóxel, además de modelos para CT, MRI general y MRI cerebral.
El trabajo reciente presentado por NVIDIA suma además NV-Generate-MR-Brain, orientado a síntesis cerebral multimodal. En paralelo, la base científica del proyecto aparece en dos publicaciones: el paper original de MAISI presentado en WACV 2025 y MAISI-v2, publicado en AAAI 2026.
En esos trabajos se describe el uso de modelos generativos para producir imágenes 3D de alta resolución y, en el caso de la primera versión, CT sintéticas con segmentaciones anatómicas. La versión más nueva busca acelerar la inferencia y mejorar la calidad de salida.
El público objetivo son investigadores en IA médica, laboratorios académicos, equipos hospitalarios con capacidad técnica, científicos de datos y compañías que entrenan o evalúan sistemas de visión médica. Si alguien está empezando a seguir este campo, puede leerlo como otro paso en la misma dirección que ya se ve en proyectos de ciencia aplicada como Gemini for Science: más infraestructura abierta para trabajo técnico especializado, no asistentes de consumo general.
Dónde puede usarse y qué límites tiene en la práctica
Las imágenes médicas sintéticas interesan porque el desarrollo de IA en salud suele chocar con cuatro problemas: pocos datos etiquetados, restricciones de privacidad, casos raros difíciles de reunir y diferencias entre hospitales, escáneres y protocolos. NVIDIA plantea que su marco puede ayudar en aumento de datos, traducción entre CT y MRI, simulación de patologías poco frecuentes, benchmarking y compartición de datos con menor exposición de información real de pacientes. El paper de MAISI también enmarca el problema desde esa escasez de datos y el alto costo de anotación.
Eso no convierte al sistema en sustituto de validación clínica. Un conjunto sintético puede servir para entrenar, comparar o estresar modelos, pero no reemplaza ensayos con datos reales ni procesos regulatorios. Tampoco conviene leer “abierto” como sinónimo de uso irrestricto o instantáneo. El propio repositorio muestra que no todo se libera con exactamente la misma licencia: el código fuente aparece bajo Apache 2.0, varios pesos se distribuyen bajo NVIDIA Open Model License y al menos uno de los modelos MRI queda bajo una licencia no comercial. Para un equipo de investigación esto puede ser suficiente para empezar; para una empresa, el detalle legal y técnico sigue importando.
También hay una barrera práctica: para aprovechar estas imágenes médicas sintéticas dentro de MAISI hace falta experiencia en pipelines de IA, manejo de datos volumétricos, GPUs y validación del rendimiento. Aun así, el movimiento tiene un efecto concreto. En vez de obligar a cada equipo a construir desde cero un generador 3D para CT o MRI, NVIDIA entrega una base reutilizable con pesos y documentación pública. Eso puede acortar tiempos de experimentación y facilitar comparaciones más consistentes entre proyectos.
