{"id":1429,"date":"2026-08-31T21:02:26","date_gmt":"2026-08-31T18:02:26","guid":{"rendered":"https:\/\/www.tayfnews.tech\/es\/?p=1429"},"modified":"2026-08-31T21:02:26","modified_gmt":"2026-08-31T18:02:26","slug":"microsoft-research-presenta-los-modelos-gigapath-flash","status":"publish","type":"post","link":"https:\/\/www.tayfnews.tech\/es\/health-medicine\/microsoft-research-presenta-los-modelos-gigapath-flash\/","title":{"rendered":"Microsoft Research presenta los modelos GigaPath-Flash"},"content":{"rendered":"<p>Microsoft Research ha presentado <strong>GigaPath-Flash<\/strong> y <strong>GigaTIME-Flash<\/strong>, dos avanzados <strong>modelos base de patolog\u00eda<\/strong> dise\u00f1ados para reducir dr\u00e1sticamente los requisitos de recursos computacionales manteniendo al mismo tiempo m\u00e9tricas de rendimiento de alto nivel. En la biolog\u00eda computacional moderna, los modelos de aprendizaje profundo que analizan im\u00e1genes de tejidos de portaobjetos completos han exigido hist\u00f3ricamente una potencia de procesamiento y memoria inmensas. Al reducir estas pesadas barreras computacionales, las variantes flash reci\u00e9n reveladas allanan el camino para estudios m\u00e9dicos expansivos a escala poblacional y una investigaci\u00f3n exploratoria mucho m\u00e1s amplia en la patolog\u00eda digital.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_87 counter-hierarchy ez-toc-counter ez-toc-transparent ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.tayfnews.tech\/es\/health-medicine\/microsoft-research-presenta-los-modelos-gigapath-flash\/#Superacion_de_los_cuellos_de_botella_computacionales_en_patologia_digital\" >Superaci\u00f3n de los cuellos de botella computacionales en patolog\u00eda digital<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.tayfnews.tech\/es\/health-medicine\/microsoft-research-presenta-los-modelos-gigapath-flash\/#Principales_ventajas_arquitectonicas\" >Principales ventajas arquitect\u00f3nicas<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.tayfnews.tech\/es\/health-medicine\/microsoft-research-presenta-los-modelos-gigapath-flash\/#Habilitacion_de_descubrimientos_a_escala_poblacional\" >Habilitaci\u00f3n de descubrimientos a escala poblacional<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Superacion_de_los_cuellos_de_botella_computacionales_en_patologia_digital\"><\/span>Superaci\u00f3n de los cuellos de botella computacionales en patolog\u00eda digital<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Los modelos base de patolog\u00eda sirven como inteligencia subyacente para el an\u00e1lisis automatizado de tejidos, ayudando a los investigadores a detectar marcadores sutiles de enfermedades, comprender los microambientes y predecir resultados cl\u00ednicos. Sin embargo, el tama\u00f1o absoluto de las diapositivas de patolog\u00eda digital de alta resoluci\u00f3n \u2014a menudo de gigabytes por cada muestra individual\u2014 hace que el entrenamiento y la implementaci\u00f3n de estas arquitecturas consuman muchos recursos. GigaPath-Flash y GigaTIME-Flash abordan directamente este cuello de botella en la infraestructura, demostrando que los marcos avanzados de aprendizaje autom\u00e1tico pueden lograr capacidades anal\u00edticas s\u00f3lidas con una sobrecarga computacional significativamente menor.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Principales_ventajas_arquitectonicas\"><\/span>Principales ventajas arquitect\u00f3nicas<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<ul>\n<li><strong>Demandas computacionales reducidas:<\/strong> Ambos modelos reducen los requisitos de recursos de procesamiento en comparaci\u00f3n con las arquitecturas tradicionales y m\u00e1s pesadas.<\/li>\n<li><strong>Rendimiento mantenido:<\/strong> Se preserva un fuerte rendimiento predictivo y anal\u00edtico a pesar de las ganancias de eficiencia.<\/li>\n<li><strong>Potencial a escala poblacional:<\/strong> La eficiencia optimizada abre v\u00edas para la exploraci\u00f3n epidemiol\u00f3gica y cl\u00ednica a gran escala.<\/li>\n<li><strong>Amplia exploraci\u00f3n:<\/strong> Los investigadores pueden ampliar el tama\u00f1o de las cohortes sin escalar los presupuestos de hardware de manera proporcional.<\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"Habilitacion_de_descubrimientos_a_escala_poblacional\"><\/span>Habilitaci\u00f3n de descubrimientos a escala poblacional<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Al optimizar el flujo de trabajo computacional, GigaPath-Flash y GigaTIME-Flash permiten que las instituciones de investigaci\u00f3n y las organizaciones de atenci\u00f3n m\u00e9dica escalen sus conductos de procesamiento de datos de manera eficiente. Analizar miles o cientos de miles de im\u00e1genes de portaobjetos completos requiere modelos que puedan ejecutar inferencias de forma r\u00e1pida y rentable. Estas iteraciones eficientes eliminan los principales puntos de fricci\u00f3n operativa, desplazando los l\u00edmites de lo que las iniciativas de patolog\u00eda computacional a gran escala pueden lograr en entornos de investigaci\u00f3n.<\/p>\n<p><em>Fuente: <a href=\"https:\/\/www.microsoft.com\/en-us\/research\/blog\/gigapath-flash-and-gigatime-flash-toward-population-scale-discovery-with-efficient-pathology-foundation-models\/\" target=\"_blank\" rel=\"noopener noreferrer\">Art\u00edculo original<\/a><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Descubre GigaPath-Flash y GigaTIME-Flash, nuevos modelos eficientes de patolog\u00eda de Microsoft Research para investigaci\u00f3n m\u00e9dica a gran escala.<\/p>\n","protected":false},"author":1,"featured_media":1428,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"googlesitekit_rrm_CAowrrDMDA:productID":"","tayfnews_source_url":"","footnotes":"","rank_math_focus_keyword":"Modelos GigaPath-Flash, modelos base de patolog\u00eda, Microsoft Research, Patolog\u00eda Digital, Investigaci\u00f3n M\u00e9dica, Salud","rank_math_title":"Microsoft Research presenta los modelos GigaPath-Flash","rank_math_description":"Descubre GigaPath-Flash y GigaTIME-Flash, nuevos modelos eficientes de patolog\u00eda de Microsoft Research para investigaci\u00f3n m\u00e9dica a gran escala."},"categories":[10],"tags":[],"class_list":["post-1429","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-health-medicine"],"_links":{"self":[{"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/posts\/1429","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/comments?post=1429"}],"version-history":[{"count":1,"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/posts\/1429\/revisions"}],"predecessor-version":[{"id":1430,"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/posts\/1429\/revisions\/1430"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/media\/1428"}],"wp:attachment":[{"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/media?parent=1429"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/categories?post=1429"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/es\/wp-json\/wp\/v2\/tags?post=1429"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}