Una IA puede predecir el riesgo de más de 1.000 enfermedades

Una nueva herramienta de Inteligencia Artificial (IA) consigue predecir la probabilidad de más de 1.000 enfermedades a partir del historial médico de una persona, alcanzando una precisión superior a la de tecnologías ya existentes, que además están enfocadas en menos patologías.

Un equipo de científicos de la Universidad de Copenhague, en Dinamarca, el Laboratorio Europeo de Biología Molecular (EMBL) y el Centro Alemán de Investigación del Cáncer (DKFZ), ha desarrollado un nuevo modelo de Inteligencia Artificial (IA) generativa con el potencial de predecir el riesgo de más de 1.000 enfermedades, desvelando la evolución de la salud humana con décadas de antelación.

Aprendiendo la gramática médica

El modelo se basa en los mismos principios algorítmicos que los grandes modelos de lenguaje (LLMs), como los que se usan para la generación de texto. Fue entrenado con datos de historiales médicos de 400.000 participantes del Biobanco del Reino Unido. En lugar de aprender la gramática del lenguaje, este modelo aprendió la "gramática" de los datos de salud para predecir la progresión de enfermedades.

Aunque se trata de una prueba de concepto y no está listo para ser utilizado en entornos clínicos, el modelo fue probado con éxito con datos de 1,9 millones de personas del Registro Nacional de Pacientes de Dinamarca. De acuerdo a una nota de prensa, demostró la capacidad de predecir el riesgo de más de un millar de enfermedades y pronosticar resultados de salud con dos décadas de anticipación.

Los científicos explican en un estudio publicado en la revista Nature que el sistema, denominado Delphi-2M, funciona de manera más efectiva para enfermedades con patrones de progresión claros, como determinados tipos de cáncer, pero es menos confiable para afecciones más variables, como los trastornos de salud mental.

IA y medicina de precisión

"Si bien la versión actual se basa únicamente en registros clínicos anónimos, es alentador ver que la arquitectura del modelo ha sido diseñada deliberadamente para dar cabida a tipos de datos más ricos, como biomarcadores, imágenes e incluso genómica", indicó Gustavo Sudre, especialista del King’s College London que no participó del estudio, a Science Media Centre.

"Con estas futuras integraciones, la plataforma está bien posicionada para evolucionar hacia una herramienta de medicina de precisión verdaderamente multimodal", agregó Sudre.

La herramienta trabaja modelando eventos médicos, como diagnósticos, factores de riesgo o hábitos, en forma de una secuencia donde importan tanto el orden como el tiempo transcurrido entre ellos. De ese modo, aprende patrones de progresión y puede ofrecer estimaciones sobre la probabilidad de que ocurra un evento de salud en un intervalo dado, como si se tratara de una predicción meteorológica pero aplicada a la salud humana.

Los investigadores subrayan que estas son estimaciones y no certezas: la fiabilidad disminuye cuanto más lejano es el horizonte temporal. También emergen riesgos y limitaciones: los datos de entrenamiento están sesgados hacia adultos de 40 a 60 años y presentan un porcentaje ínfimo de ciertos grupos étnicos, un dato que condiciona las predicciones y limita su aplicabilidad general.