Cómo elegir un modelo fundacional de patología en 2026

Ningún modelo fundacional de patología gana en todo. Compare UNI, CONCH y Virchow2 por licencia, benchmarks, tarea y cómputo. Investigación, no diagnóstico.

No hay un único modelo fundacional de patología que sea el mejor. En un benchmark independiente publicado en Nature Biomedical Engineering, Neidlinger et al. compararon 19 modelos fundacionales en tareas a nivel de lámina: CONCH quedó en primer lugar, con Virchow2 muy cerca. En la predicción de la expresión génica, la tabla de clasificación de HEST-Benchmark, consultada el 17 de septiembre de 2026, sitúa a H-optimus-1 en cabeza y a CONCH más abajo. Elija en este orden: qué le permite hacer la licencia, qué necesita la tarea y qué puede procesar su presupuesto de cómputo sobre láminas de gigapíxeles. Después, evalúe con particiones a nivel de paciente, en cohortes que el modelo no vio durante el preentrenamiento.

Llegué a esta cuestión a través de mi tesis de máster sobre la predicción de la expresión génica a partir de imágenes de patología. Las comparaciones de esta guía son resultados publicados por otros grupos, no mediciones mías.

¿Qué es un modelo fundacional de patología?

Un modelo fundacional de patología (foundation model) es un codificador de imágenes preentrenado con colecciones muy grandes de láminas histológicas y reutilizado como extractor de características de propósito general para muchas tareas posteriores. En patología digital, un escáner convierte el portaobjetos de vidrio en una imagen de lámina completa (WSI, whole-slide image), de escala de gigapíxeles, de modo que el proceso habitual tiene dos pasos. El modelo fundacional convierte pequeñas teselas (tiles) de tejido teñido con hematoxilina y eosina (H&E) en vectores de embedding, y un modelo más ligero aprende la tarea a partir de esos vectores. Neidlinger et al. describen exactamente esto: las características se extrajeron con cada modelo fundacional y después «estos vectores se utilizaron para entrenar un agregador a nivel de lámina».

Lo que le aporta el codificador:

• Etiquetas más baratas. Combinadas con una cabeza de aprendizaje de múltiples instancias (MIL, multiple instance learning), las características congeladas de las teselas permiten que un modelo posterior aprenda de una etiqueta por lámina o por paciente, y no de contornos dibujados a mano alrededor de regiones del tejido. También se ha descrito que las características de patología preentrenadas necesitan menos ejemplos etiquetados: el artículo de UNI afirma que UNI hace posibles modelos «eficientes en datos».

• Características que se calculan una sola vez. Los embeddings pueden guardarse en caché y reutilizarse en muchos experimentos.

• Líneas base compartidas. Grupos independientes publican comparaciones entre los mismos codificadores publicados.

Lo que no le aporta: un diagnóstico, algo para lo que estos modelos no están pensados. Tampoco le da un modelo validado en su cohorte y robusto frente a su escáner y su tinción. La validación y la robustez hay que ganárselas, y el resto de esta guía explica cómo.

El panorama en 2026: UNI, CONCH, Virchow2 y otros

Codificadores de solo visión y de visión y lenguaje

La mayoría de los codificadores siguientes son de solo visión: aprenden únicamente de imágenes.

• UNI (Mahmood Lab): un transformer de visión (ViT-L/16) con 300 millones de parámetros. Su artículo en Nature Medicine describe un preentrenamiento con más de 100 millones de imágenes procedentes de más de 100.000 láminas diagnósticas teñidas con H&E. UNI2-h, un modelo más grande del mismo laboratorio, es un ViT-H con 681 millones de parámetros.

• Virchow2 (Paige y Microsoft Research): un ViT-H/14 con 632 millones de parámetros, entrenado con 3,1 millones de imágenes de lámina completa del Memorial Sloan Kettering Cancer Center, según su ficha. Su artículo describe además Virchow2G Mini, una destilación de 22 millones de parámetros de Virchow2G, un modelo hermano de mayor tamaño.

• H-optimus-0 y H-optimus-1 (Bioptimus): transformers de visión con 1100 millones de parámetros cada uno; la ficha de H-optimus-0 indica un entrenamiento con más de 500.000 láminas de H&E. H0-mini (Owkin y Bioptimus) es un ViT-B/14 destilado de H-optimus-0 y figura con 85,7 millones de parámetros.

• Prov-GigaPath: un codificador de teselas combinado con un codificador de lámina. Xu et al. indican en Nature que se preentrenó con 1300 millones de teselas de 171.189 láminas completas de Providence, una red sanitaria de Estados Unidos.

• Phikon-v2 (Owkin): un ViT-L preentrenado con colecciones públicas de láminas, algo que importa para la comprobación de fugas de datos que se explica más abajo.

CONCH (Mahmood Lab) es el modelo de visión y lenguaje de esta lista. Su codificador de visión es un ViT-B/16 con 90 millones de parámetros, acompañado de un codificador de texto, y su artículo en Nature Medicine describe un entrenamiento con más de 1,17 millones de pares de imagen y leyenda. La parte de texto es lo que les falta a los codificadores de solo visión: la ficha de CONCH incluye la clasificación zero-shot y la recuperación imagen-texto entre sus usos.

Primero deciden las licencias y las condiciones de acceso

Un modelo que no le está permitido usar para su propósito no es un candidato, puntúe lo que puntúe. La tabla resume las fichas de los modelos en Hugging Face tal como figuraban el 17 de septiembre de 2026. «Acceso controlado» (gated) significa que hay que solicitar acceso en Hugging Face y aceptar las condiciones antes de descargar el modelo.

De ahí se desprenden tres puntos:

• Apache-2.0 no es una licencia clínica. La ficha de Prov-GigaPath dice que el modelo «no está concebido ni se ofrece para uso clínico como dispositivo médico, apoyo clínico o herramienta diagnóstica». La ficha de H-optimus-0 dice que «no ha sido revisado, certificado ni aprobado por ningún organismo regulador».

• Las condiciones de Virchow2 son las más explícitas. Los usuarios se comprometen a no utilizarlo para «diagnosticar, curar, mitigar, tratar o prevenir enfermedades», incluso bajo las etiquetas Research Use Only (RUO) o Investigational Use Only (IUO). Son categorías regulatorias para productos de diagnóstico, no para investigación académica.

• La mayoría de los modelos con acceso controlado comprueban quién es usted. Las fichas de UNI, UNI2-h, CONCH, Virchow2, H-optimus-1 y H0-mini exigen que su correo de Hugging Face coincida con su correo institucional para aprobar el acceso.

Las condiciones cambian, así que lea la ficha vigente y las normas de su institución antes de descargar nada. Esta tabla sirve para orientarse, no es asesoramiento jurídico.

Benchmarks de modelos fundacionales de patología: qué dicen y quién los hizo

El artículo que presenta un modelo lo evalúa en tareas que eligen sus propios autores. Neidlinger et al. plantean el problema sin rodeos: cuando los grupos que publican modelos fundacionales de patología los evalúan «en tareas elegidas por ellos mismos, el potencial de sesgo es alto». Parta de benchmarks independientes y compruebe quién realizó cada evaluación.

Tareas a nivel de lámina: CONCH primero, Virchow2 muy cerca

Neidlinger et al. evaluaron 19 modelos fundacionales de histopatología en tareas débilmente supervisadas que abarcaban biomarcadores, morfología y pronóstico. Sus datos procedían de 13 cohortes de pacientes, que sumaban 6818 pacientes y 9528 láminas de cáncer de pulmón, colorrectal, gástrico y de mama. Los modelos posteriores se entrenaron con The Cancer Genome Atlas (TCGA) y se probaron en cohortes externas: la colección pública CPTAC, con la que no se había entrenado ninguno de los modelos evaluados, y cohortes privadas que «nunca formaron parte del entrenamiento de ningún modelo fundacional». Las predicciones se hicieron por paciente.

El titular del resumen publicado: CONCH «obtuvo el mayor rendimiento global en comparación con los modelos fundacionales de solo visión, con Virchow2 como segundo muy cercano». La misma frase incluye la salvedad que importa para los objetivos poco frecuentes: la ventaja de CONCH «fue menos marcada en escenarios con pocos datos y en tareas de baja prevalencia». En los resultados completos, promediadas las 31 tareas, CONCH y Virchow2 compartieron el AUROC medio más alto, de 0,71 (el área bajo la curva ROC, receiver operating characteristic), así que la diferencia que hay detrás de ese titular es pequeña.

La clasificación solo abarca los modelos probados. H-optimus-1 y UNI2-h no estaban entre ellos.

Ensembles y diversidad de los datos

Según el benchmark publicado, un ensemble que combinaba las predicciones de CONCH y Virchow2 superó a los modelos individuales en el 55 % de las tareas. La explicación de los autores es que los modelos fundacionales «entrenados con cohortes distintas aprenden características complementarias para predecir la misma etiqueta».

Los hallazgos del benchmark también «sugieren que, en los modelos fundacionales, la diversidad de los datos pesa más que su volumen», y sus autores escriben que «más grande no siempre es mejor». El artículo de Virchow2, escrito por los propios desarrolladores del modelo, añade un matiz. Los datos diversos y los métodos específicos del dominio «pueden superar a los modelos que solo escalan en número de parámetros». Aun así, «en promedio, el rendimiento se beneficia de la combinación de métodos específicos del dominio, escala de datos y escala del modelo». En cualquier caso, las cifras de parámetros y de láminas de una ficha no le dicen cómo rendirá un modelo en su tarea.

UNI vs. CONCH vs. Virchow2: por qué no coinciden las clasificaciones

Otras evaluaciones dan otros órdenes:

• PathBench, un preprint, reunió 15.888 láminas de 8549 pacientes procedentes de 10 hospitales, con exclusión estricta de todo lo que se hubiera usado en preentrenamiento. De los 19 modelos fundacionales de patología que evaluó, señala a Virchow2 y H-optimus-1 como «los modelos más eficaces en conjunto».

• La tabla de clasificación de HEST-Benchmark, en el repositorio de HEST, ordena los codificadores en predicción de la expresión génica según la correlación de Pearson media. La mantiene el Mahmood Lab, que también desarrolla UNI y CONCH. En la tabla de HEST, consultada el 17 de septiembre de 2026, H-optimus-1 va en cabeza con 0,4229, Virchow2 obtiene 0,4034, CONCH v1 obtiene 0,3696 y una línea base ResNet50 con pesos de ImageNet obtiene 0,3252. La tabla incluye también entradas más recientes que esta guía no analiza, como GenBio-PathFM, justo detrás de H-optimus-1, y CONCH v1.5; lea sus fichas antes de incluirlas en su lista corta.

Estos estudios prueban modelos, tareas y cohortes distintos, así que responden a preguntas distintas. La comparación entre UNI y CONCH lo ilustra: CONCH quedó por encima de UNI en conjunto en las tareas a nivel de lámina de Neidlinger et al., mientras que UNI tiene una media superior a la de CONCH v1 en la tabla de expresión de HEST. El resultado útil no es un ganador, sino una lista corta de dos o tres codificadores que rindan bien en varias evaluaciones, al menos una de ellas independiente, y que después se prueben en su propia tarea.

Adecuar el modelo a la tarea

Clasificación de láminas y biomarcadores

La predicción a nivel de lámina suele ser débilmente supervisada: una etiqueta por lámina o por paciente, como el estado de un biomarcador o un desenlace pronóstico. Ese es el escenario que midieron Neidlinger et al., así que su benchmark es, de las fuentes citadas aquí, la evidencia revisada por pares más directamente relevante. PathBench, un preprint, también evalúa tareas de diagnóstico y pronóstico sobre imágenes de lámina completa, y sitúa en lo más alto a Virchow2 y H-optimus-1.

Cuando escasean los datos etiquetados, importan dos hallazgos. La ventaja de CONCH se redujo en escenarios con pocos datos y baja prevalencia. Y cuando Neidlinger et al. entrenaron modelos posteriores con 300, 150 y 75 pacientes, «todos los modelos muestran caídas de rendimiento similares al reducirse el tamaño del conjunto de entrenamiento». Para un biomarcador poco frecuente, planifique primero la cohorte y después el codificador.

Expresión génica a partir de H&E: bulk y espacial

La expresión génica indica lo activo que está cada gen en una muestra de tejido, y se mide con ensayos de ARN como la secuenciación de ARN (RNA-Seq). La pregunta de esta línea de investigación es cuánta de esa señal molecular puede leerse en la morfología del tejido de una imagen de H&E.

La expresión bulk es un único perfil de expresión por muestra. Schmauch et al. indican que HE2RNA «puede entrenarse para predecir sistemáticamente perfiles de RNA-Seq solo a partir de imágenes de lámina completa, sin anotación experta».

La expresión espacial consiste en predecir la expresión en distintas posiciones dentro del tejido, aprendida a partir de transcriptómica espacial. He et al. (ST-Net) usaron 30.612 mediciones de expresión génica con resolución espacial, emparejadas con histología de 23 pacientes con cáncer de mama, e identificaron más de 100 genes cuya expresión podía predecirse con una resolución de 100 µm.

HEST-1k, un conjunto de datos cuyo artículo fue seleccionado como Spotlight en NeurIPS 2024, reúne 1229 perfiles de transcriptómica espacial, cada uno vinculado a una imagen de lámina completa. Su HEST-Benchmark define nueve tareas: predecir los 50 genes con mayor varianza normalizada a partir de regiones de H&E de 112 × 112 µm, con la correlación de Pearson como métrica.

Tómese en serio la dispersión entre tejidos. En la tabla de HEST, H-optimus-1 alcanza 0,6589 en melanoma cutáneo (SKCM), pero 0,2421 en adenocarcinoma de recto (READ). Los autores de HEST señalan que el rendimiento «sigue siendo bajo en algunas tareas (p. ej., READ y ccRCC)»; ccRCC es el carcinoma renal de células claras. Wang et al. evaluaron once métodos de predicción de la expresión espacial en Nature Communications. Calculadas sobre todos los genes en dos de sus conjuntos de datos de transcriptómica espacial, la correlación de Pearson (PCC) y la similitud estructural (SSIM) fueron «bajas en todos los métodos». Las puntuaciones en genes seleccionados fueron más altas; las trampas de evaluación de más abajo vuelven sobre ello. La expresión predicha es una señal de investigación, no un sustituto de un ensayo, y su fuerza depende del tejido.

De las teselas a la lámina: MIL y grafos sobre el tejido

Aprendizaje de múltiples instancias basado en atención

MIL trata una lámina como una bolsa de teselas con una sola etiqueta. Ilse, Tomczak y Welling (ICML 2018) propusieron el MIL basado en atención (ABMIL), un «operador de agregación invariante a permutaciones» cuyos pesos de atención muestran la contribución de cada tesela. CLAM (Lu et al., 2021) utiliza aprendizaje basado en atención y «solo requiere etiquetas a nivel de lámina».

Para comparar codificadores, el agregador importó poco en el benchmark de Neidlinger et al.: ABMIL quedó por detrás de un agregador transformer por «una diferencia media de AUROC de 0,01, lo que dejó la clasificación global de los modelos prácticamente sin cambios». Una cabeza ABMIL sencilla es una forma razonable y barata de poner a prueba una lista corta.

Grafos sobre el tejido

La agregación invariante a permutaciones no aprovecha, por sí sola, la posición relativa de las teselas. Los métodos de grafos devuelven esa información espacial al modelo. Patch-GCN (Chen et al., MICCAI 2021), de un artículo titulado «Whole Slide Images are 2D Point Clouds», es una red convolucional de grafos que «agrega jerárquicamente características histológicas a nivel de instancia para modelar estructuras topológicas locales y globales». El precio son más decisiones de diseño, como la forma de construir el grafo y de agregarlo, y cada una debe validarse con las mismas particiones que todo lo demás.

Codificadores de lámina frente a embeddings de teselas

Algunos modelos fundacionales añaden un codificador de lámina; Prov-GigaPath es uno de ellos. Neidlinger et al. incluyeron cuatro codificadores de lámina y comprobaron que «no mostraron ninguna ventaja sobre los codificadores de teselas en configuraciones MIL, salvo en escenarios con pocos datos». Pruebe un codificador de lámina cuando las cohortes etiquetadas sean pequeñas.

Trampas de evaluación que inflan los resultados

Cada trampa hace que un resultado parezca mejor de lo que será con pacientes nuevos, y todas están documentadas en trabajos publicados. El mismo hábito de medir antes de confiar se aplica a los sistemas basados en modelos de lenguaje; consulte salvaguardas contra las alucinaciones en RAG.

Particione por paciente, no por tesela ni por spot

El fallo: teselas, spots o secciones adyacentes de un mismo paciente acaban tanto en el conjunto de entrenamiento como en el de prueba, de modo que la puntuación mide en parte la memorización del tejido de ese paciente.

HEST-Benchmark usa particiones estratificadas por paciente «para evitar fugas de datos a nivel de paciente entre entrenamiento y prueba». Eso significa validación cruzada k-fold en la que k es el número de pacientes, o k/2 en el caso de ccRCC por su elevado número de pacientes. Las particiones se distribuyen como archivos CSV. Wang et al. mantuvieron las «secciones de tejido adyacentes del mismo paciente» en el mismo fold; su conjunto de datos HER2+ tiene 36 secciones de tejido de 8 pacientes, así que la unidad independiente es el paciente, no la sección.

Firmas del centro y del escáner

El fallo: el modelo aprende dónde se preparó o se escaneó una lámina, y eso está correlacionado con la etiqueta. En datos de TCGA de más de 3000 pacientes con seis subtipos de cáncer, Howard et al. encontraron las dos partes de ese fallo. Variables objetivo como la supervivencia, los patrones de expresión génica y las mutaciones conductoras variaban sustancialmente entre los centros remitentes, y el propio centro podía detectarse a partir de las imágenes. En sus palabras, «la detección del centro sigue siendo posible pese a los métodos de normalización del color y de aumento de datos de uso habitual». Esas firmas «pueden conducir a estimaciones demasiado optimistas del rendimiento del modelo». Su solución hace que las muestras de entrenamiento y de validación de un modelo procedan de centros distintos.

Los modelos fundacionales no eliminan este problema. Carloni et al. (taller MedAGI 2025 en MICCAI) los probaron en un conjunto de datos con varios escáneres y comprobaron que «siguen sufriendo sesgo de escáner». Un preprint de julio de 2026 de Filiot et al. describe representaciones de teselas que «siguen siendo sensibles a la variabilidad del escáner y de la tinción».

Los artefactos son un caso relacionado. Neidlinger et al. señalan que «modelos como UNI, Hibou, Virchow y Kaiko resaltaban ocasionalmente marcas de rotulador»; en ese trabajo, las marcas de rotulador no sesgaron la clasificación porque «estaban distribuidas por igual entre las distintas clases». Compruebe si los artefactos, los centros y los escáneres están correlacionados con sus etiquetas.

Fuga de datos desde el preentrenamiento

El fallo: las láminas de prueba, o láminas de las mismas instituciones, formaban parte del preentrenamiento del modelo fundacional. Neidlinger et al. señalan que «surgen dudas sobre la fuga de datos cuando los modelos fundacionales se prueban con imágenes de las mismas instituciones en las que se entrenaron». Ellos hicieron las pruebas en cohortes privadas que, según describen, nunca formaron parte del entrenamiento de ningún modelo fundacional, además de CPTAC, con la que no se había entrenado ninguno de los modelos que evaluaron.

Haga la misma comprobación. La ficha de Phikon-v2 incluye TCGA, CPTAC y GTEx entre sus fuentes de preentrenamiento (Phikon-v2 no estaba en ese benchmark), y la ficha de H0-mini incluye láminas de TCGA. Con esos modelos, no puede darse por supuesto que un conjunto de prueba extraído de esas colecciones sea inédito para el modelo.

Medias sobre genes elegidos

El fallo: una correlación promediada sobre genes seleccionados se compara con otra calculada sobre todos los genes. En su conjunto de datos HER2+, Wang et al. observaron que la mayoría de los métodos puntuaban más alto (en correlación o en SSIM) en los genes altamente variables o espacialmente variables que en el conjunto de todos los genes. Por tanto, las puntuaciones sobre los 50 genes más variables de HEST-Benchmark no son comparables con una media sobre todos los genes. Indique qué genes puntuó y cómo los eligió.

¿Cuánto cómputo necesitan las imágenes de lámina completa?

Xu et al. señalan que «una lámina estándar de gigapíxeles puede comprender decenas de miles de teselas de imagen», y cada tesela que conserve pasa por el codificador. Tres magnitudes fijan el presupuesto:

• El tamaño del codificador, un factor de primer orden en el coste por tesela.

• El número de teselas, que depende del área de tejido y del aumento al que se trocee la lámina.

• El tamaño del embedding, que fija el almacenamiento y la anchura de entrada del modelo posterior.

Para los codificadores anteriores, los tamaños de la tabla proceden de sus fichas, salvo que se indique otra cosa. «Concatenado» significa el token de clase unido a la media de los tokens de parche, una opción que muestran las fichas de H0-mini y Virchow2.

El almacenamiento es fácil de estimar antes de comprometerse: para embeddings en float32, bytes ≈ tiles × embedding dimension × 4, es decir, el número de teselas por la dimensión del embedding por 4.

En HEST-Benchmark, los codificadores más grandes tienden a puntuar más alto, con rendimientos decrecientes: el artículo de HEST indica que el tamaño del modelo «está fuertemente correlacionado con el rendimiento medio, pero las mejoras crecen de forma logarítmica con el número de parámetros entrenables». La destilación es el término medio. El propio preprint de H0-mini describe un «rendimiento casi comparable al de los grandes modelos fundacionales con un coste de inferencia significativamente menor», y en la tabla de HEST obtiene una media de 0,3958 frente a 0,4150 de H-optimus-0, su modelo maestro. Si compara modelos con distintos tamaños de embedding, tenga en cuenta que HEST reduce antes cada embedding a 256 componentes principales, porque la regresión ridge «puede penalizar injustamente a los modelos con dimensiones de embedding mayores».

El patrón que mantiene los presupuestos bajo control: extraiga los embeddings una vez, guárdelos en caché y entrene muchas cabezas ligeras sobre esa caché. Como referencia de escala, los experimentos del artículo de HEST «se ejecutaron en una sola GPU NVIDIA 3090». La latencia es un presupuesto aparte: si cada lámina nueva tiene que convertirse en embeddings en el momento de la inferencia, el tamaño del codificador y el número de teselas determinan la espera, no solo la factura.

Dónde encaja mi tesis

Mi tesis de máster en la Universidad Tecnológica de Isfahán, terminada en septiembre de 2025, se preguntaba si la expresión génica puede predecirse a partir de imágenes de patología digital. Los ensayos de expresión génica son lentos y costosos; las imágenes de lámina completa son rápidas y baratas, pero tienen escala de gigapíxeles. La tesis se desarrolló bajo una restricción estricta de cómputo y latencia, y su enfoque combinó redes neuronales de grafos, modelos fundacionales de visión, técnicas adaptadas de los grandes modelos de lenguaje y modelado estadístico y probabilístico. Hay un artículo en preparación basado en ella.

Esa restricción es la razón por la que aquí el cómputo es un criterio de selección y no una cuestión secundaria. Esta guía no dice qué modelos fundacionales usó la tesis ni presenta resultados suyos: las comparaciones anteriores son resultados publicados por otros grupos de investigación, no mediciones mías. El estudio de caso de imagen médica describe la tesis, y la página de investigación la recoge.

Lista de comprobación para elegir un modelo fundacional de patología

• Licencia y acceso. La ficha permite el uso que usted necesita y su cuenta cumple las condiciones de acceso.

• Tipo de tarea. Etiqueta de lámina, biomarcador, pronóstico, expresión bulk o expresión espacial.

• Lista corta. Codificadores que rinden bien en más de una evaluación, incluida una independiente, y no solo en sus propios artículos.

• Solapamiento con el preentrenamiento. Las fuentes de preentrenamiento de cada ficha, contrastadas con sus cohortes de prueba.

• Particiones. Como mínimo a nivel de paciente, a nivel de centro cuando sea posible y con una cohorte externa si puede conseguirla.

• Factores de confusión. Centro, escáner, tinción y artefactos, contrastados con la etiqueta.

• Métrica y conjunto de genes. En expresión génica, la métrica y los genes puntuados, ambos declarados.

• Cómputo. Tiempo de extracción medido en su propio hardware, embeddings en caché y un modelo destilado probado.

• Ensembles al final. Modelos combinados solo después de haber medido cada uno por separado.

Si está definiendo el alcance de un sistema de visión artificial que tiene que ajustarse a un límite de hardware, la página de servicios describe cómo trabajo.

Preguntas frecuentes

¿Cuál es el mejor modelo fundacional de patología?

Ninguno es el mejor en todas las tareas. En el benchmark independiente de Neidlinger et al., con 19 modelos en tareas a nivel de lámina, CONCH quedó primero y Virchow2 fue un segundo muy cercano; PathBench, un preprint, favorece a Virchow2 y H-optimus-1; y la tabla de HEST, consultada el 17 de septiembre de 2026, sitúa a H-optimus-1 en primer lugar en expresión génica. Haga una lista corta a partir de ellos y pruébela después en su propia tarea.

¿Se puede predecir la expresión génica a partir de una lámina de H&E?

En parte, para algunos genes y tejidos. He et al. (ST-Net) encontraron más de 100 genes cuya expresión podía predecirse a partir de la histología de cáncer de mama, y HE2RNA predijo perfiles de RNA-Seq bulk a partir de imágenes de lámina completa. En HEST-Benchmark, la correlación del mejor codificador varía mucho según el tipo de cáncer. Es una señal de investigación, no un sustituto de un ensayo molecular en la atención al paciente.

¿Puedo usar UNI, CONCH o Virchow2 en un producto comercial?

No con sus condiciones públicas. Sus fichas en Hugging Face indican CC-BY-NC-ND 4.0, limitan el uso a la investigación académica no comercial, prohíben el uso comercial sin aprobación previa y piden a las entidades comerciales que contacten con los autores. De los demás modelos tratados aquí, H-optimus-0 y Prov-GigaPath tienen licencia Apache-2.0, pero la ficha de Prov-GigaPath deja fuera de su alcance cualquier uso desplegado y la de H-optimus-0 exige cumplimiento normativo y validación independiente para el uso sanitario. Las condiciones cambian, así que consulte la ficha vigente; esto no es asesoramiento jurídico.

¿Pueden estos modelos leer un informe de anatomía patológica o diagnosticar un cáncer?

No. Son modelos de investigación que convierten teselas de imagen, y en el caso de CONCH también texto, en vectores de características. Las condiciones de Virchow2 prohíben usarlo para diagnosticar enfermedades, la ficha de Prov-GigaPath dice que no está destinado a uso clínico y las fichas de H-optimus indican que ningún organismo regulador los ha revisado ni aprobado. Para cualquier duda sobre un informe de anatomía patológica, consulte a su patólogo o a su médico.

Fuentes

• Neidlinger et al., Benchmarking foundation models as feature extractors for weakly supervised computational pathology, Nature Biomedical Engineering 10, 1113–1123 (2026; publicado en línea en 2025) (preprint de arXiv)

• Chen et al., Towards a general-purpose foundation model for computational pathology (UNI), Nature Medicine, 2024

• Lu et al., A visual-language foundation model for computational pathology (CONCH), Nature Medicine, 2024

• Zimmermann et al., Virchow2: Scaling Self-Supervised Mixed Magnification Models in Pathology, arXiv, 2024

• Xu et al., A whole-slide foundation model for digital pathology from real-world data (Prov-GigaPath), Nature, 2024

• Filiot et al., Distilling foundation models for robust and efficient models in digital pathology (H0-mini), preprint de arXiv, 2025

• Fichas de los modelos en Hugging Face, consultadas el 17 de septiembre de 2026: UNI, UNI2-h, CONCH, Virchow2, H-optimus-0, H-optimus-1, H0-mini, Prov-GigaPath, Phikon-v2

• README del repositorio de Prov-GigaPath, consultado el 17 de septiembre de 2026

• Ma et al., PathBench: A comprehensive comparison benchmark for pathology foundation models towards precision oncology, preprint de arXiv, 2025

• Jaume et al., HEST-1k: A Dataset for Spatial Transcriptomics and Histology Image Analysis, NeurIPS 2024 Spotlight

• Repositorio de HEST y tabla de clasificación de HEST-Benchmark, consultados el 17 de septiembre de 2026

• He et al., Integrating spatial gene expression and breast tumour morphology via deep learning (ST-Net), Nature Biomedical Engineering, 2020

• Schmauch et al., A deep learning model to predict RNA-Seq expression of tumours from whole slide images (HE2RNA), Nature Communications, 2020

• Wang et al., Benchmarking the translational potential of spatial gene expression prediction from histology, Nature Communications, 2025

• Howard et al., The impact of site-specific digital histology signatures on deep learning model accuracy and bias, Nature Communications, 2021

• Carloni et al., Pathology Foundation Models are Scanner Sensitive: Benchmark and Mitigation with Contrastive ScanGen Loss, taller MedAGI 2025 en MICCAI

• Filiot et al., Robustifying pathology foundation models via fine-tuning, preprint de arXiv, 2026

• Ilse, Tomczak y Welling, Attention-based Deep Multiple Instance Learning, ICML 2018

• Lu et al., Data-efficient and weakly supervised computational pathology on whole-slide images (CLAM), Nature Biomedical Engineering, 2021

• Chen et al., Whole Slide Images are 2D Point Clouds: Context-Aware Survival Prediction using Patch-based Graph Convolutional Networks (Patch-GCN), MICCAI 2021

• Imagen médica — reducción de ruido en resonancia magnética y expresión génica a partir de patología, estudio de caso en este sitio