Este hito representa uno de los avances más significativos de la ciencia y la IA en los últimos años, con implicaciones directas para millones de personas. La posibilidad de prever riesgos médicos a tan largo plazo podría transformar por completo la atención sanitaria, permitir diagnósticos precoces, reducir costes y salvar incontables vidas. Aunque aún queda camino por recorrer antes de que se aplique de manera generalizada, los primeros resultados generan un optimismo sin precedentes.
Todo llega después de que un equipo de científicos haya entrenado un modelo de inteligencia artificial que predice cómo será la salud de una persona: la herramienta puede pronosticar el riesgo y el momento de aparición de más de mil enfermedades a partir del historial médico de un paciente con décadas de antelación.
El modelo, desarrollado por científicos del Laboratorio Europeo de Biología Molecular (EMBL), del Centro Alemán de Investigación Oncológica (DKFZ) y de la Universidad de Copenhague, fue entrenado con información clínica de 400.000 personas del Reino Unido y se probó con datos de casi dos millones de personas en Dinamarca.
Se basa en el historial médico
Bautizado Delphi-2M, el modelo pudo predecir la probabilidad de más de mil enfermedades basándose en el historial médico de una persona con una precisión igual o superior a la de otras herramientas.
Además, logró simular trayectorias de salud de hasta 20 años para una persona y generar datos sintéticos que protegen la privacidad de los pacientes, pero siguen siendo útiles para entrenar otros modelos de IA.
Los autores defienden que su herramienta podría ayudar a identificar a las personas con mayor riesgo de padecer enfermedades, orientar los programas de detección y apoyar la planificación a largo plazo de los servicios sanitarios.
“Nuestro modelo de IA es una prueba de concepto que demuestra que es posible que la IA aprenda muchos de nuestros patrones de salud a largo plazo y utilice esta información para generar predicciones significativas”, sostiene Ewan Birney, director ejecutivo interino del EMBL.
Sesgos con los datos
“Al modelar cómo se desarrollan las enfermedades a lo largo del tiempo, podemos empezar a explorar cuándo surgen ciertos riesgos y cuál es la mejor manera de planificar intervenciones tempranas. Es un gran paso hacia enfoques más personalizados y preventivos de la atención sanitaria”, añade.
Aunque versiones futuras podrían incluir más tipos de información sanitaria y ayudar a mejorar la atención personalizada, los autores advierten de que el modelo actual refleja los sesgos de los datos con los que fue entrando y que sus predicciones no deben usarse para tomar decisiones médicas directas sin realizar más pruebas.
Confluencia de enfermedades
La IA ofrece potentes herramientas para identificar patrones en la progresión de las enfermedades mediante el análisis de grandes conjuntos de datos de historiales de pacientes, pero el potencial completo de estos modelos, especialmente a escala poblacional, sigue sin explorarse en gran medida.
En ese contexto, Delphi-2M fue entrenado para detectar patrones en la aparición de determinadas enfermedades en relación con otros eventos en los historiales de los pacientes, como factores relacionados con el estilo de vida y otras afecciones de salud.
“Los eventos médicos suelen seguir patrones predecibles. Nuestro modelo aprende esos patrones y puede pronosticar resultados de salud futuros. Nos permite explorar lo que podría suceder basándonos en el historial médico de una persona y otros factores claves”, afirma Tom Fitzgerald, científico del Instituto Europeo de Bioinformática del EMBL (EMBL-EBI).
Según sus autores, el modelo funciona especialmente bien en afecciones con patrones de progresión claros y consistentes, como ciertos tipos de cáncer, ataques cardíacos y septicemia (infecciones en la sangre).
Sin embargo, es menos fiable para afecciones más variables, como los trastornos de salud mental o las complicaciones relacionadas con el embarazo, que dependen de acontecimientos vitales impredecibles.
Uso futuro y limitaciones
Al igual que las previsiones meteorológicas, este nuevo modelo de IA ofrece probabilidades, no certezas. No predice exactamente lo que le sucederá a una persona, sino que ofrece estimaciones bien calibradas de la probabilidad de que se produzcan determinadas afecciones durante un período de tiempo determinado, advierte el estudio.
“Es importante destacar que no se trata de una certeza, sino de una estimación de los riesgos potenciales”, insiste Fitzgerald.
Además, el modelo contiene sesgos demográficos debido a las lagunas en los datos de entrenamiento, como la baja representación de determinados grupos étnicos.
Pese a que el modelo aún no está listo para su uso clínico, los autores sugieren que ya podría ayudar a los investigadores a comprender cómo se desarrollan y progresan las enfermedades, a explorar cómo el estilo de vida y las patologías pasadas afectan al riesgo de padecer enfermedades a largo plazo y a simular resultados de salud usando datos de pacientes artificiales en situaciones en las que es difícil obtener o acceder a datos del mundo real.
“Este es el comienzo de una nueva forma de entender la salud humana y la progresión de las enfermedades”, concluye Moritz Gerstung, jefe de la División de IA en Oncología del DKFZ y antiguo jefe de grupo del EMBL-EBI.