La expresión génica juega un papel fundamental en los mecanismos de enfermedad, diagnóstico y tratamiento, sin embargo, las limitaciones de los métodos tradicionales de detección de expresión génica presentan desafíos para las aplicaciones clínicas. La inteligencia artificial (IA), como GET y PathChat, permite un diagnóstico no invasivo al integrar datos multimodales, incluyendo imágenes de patología, genómica y registros clínicos, para predecir la expresión génica. Estos modelos demuestran la capacidad de la IA para decodificar patrones biológicos complejos a partir de imágenes histopatológicas, mejorando el diagnóstico del cáncer y la predicción de la respuesta al tratamiento. Sin embargo, persisten desafíos como la heterogeneidad de los datos, la interpretabilidad del modelo y las preocupaciones éticas en torno a la privacidad y el sesgo. Los futuros avances en el preentrenamiento cruzado, el aprendizaje federado y el diseño de IA guiado éticamente son críticos para desbloquear todo el potencial de la medicina de precisión.