Un modelo de IA puede predecir el riesgo de más de mil enfermedades

Predecir los problemas de salud que cada uno de nosotros afrontará al cabo de 10 o 20 años podría convertirse en realidad gracias a un nuevo modelo de inteligencia artificial generativa desarrollado por investigadores europeos que es capaz de calcular el riesgo y la posible cronología de más de 1.000 enfermedades, con predicciones que se extienden hasta una década en el futuro, basándose en el historial médico.

El sistema ha sido creado con principios similares a los de los modelos de lenguaje que hoy en día hacen posible el uso de herramientas como los chatbots, pero aplicado al ámbito sanitario. En su entrenamiento se utilizaron los datos anónimos de 400.000 participantes del Biobanco del Reino Unido, y posteriormente se validó con los historiales de 1,9 millones de pacientes del Registro Nacional de Dinamarca.

Según los autores, se trata de una de las pruebas más completas de cómo la IA puede simular la evolución de la salud humana a gran escala y en entornos sanitarios muy distintos. El trabajo se ha publicado en Nature1 y es fruto de una colaboración entre el Laboratorio Europeo de Biología Molecular (EMBL)2, el Centro Alemán de Investigación del Cáncer (DKFZ)3 y la Universidad de Copenhague.

“Este modelo demuestra que la inteligencia artificial puede aprender patrones de salud a largo plazo y utilizarlos para generar predicciones útiles”, ha explicado Ewan Birney, director ejecutivo interino del EMBL, en una nota publicada por el centro. “Al comprender cómo cambian las enfermedades con el tiempo, podemos identificar mejor los momentos en los que conviene actuar y planificar intervenciones preventivas”.

Muy eficaz en ciertos tipos de cáncer e infartos

De la misma forma en que un modelo de lenguaje aprende la estructura de las frases, esta IA “aprende la gramática” de los historiales médicos. Interpreta los diagnósticos, los hábitos de vida (como fumar) y otros factores como secuencias de eventos, reconociendo patrones y tiempos entre ellos. El modelo, que se denomina Delphi-2M, también puede simular trayectorias de salud hasta 20 años

“Los historiales médicos tienden a seguir trayectorias predecibles”, explicó Tom Fitzgerald, investigador del EMBL-EBI. “Nuestro sistema puede reconocer esos patrones y estimar futuros riesgos de salud. No ofrece certezas, sino probabilidades basadas en la información previa de cada paciente”.

El modelo resulta especialmente eficaz en enfermedades con evolución clara, como ciertos tipos de cáncer, infartos o septicemias. En cambio, es menos preciso en trastornos más variables, como problemas de salud mental o complicaciones del embarazo, que dependen de circunstancias vitales imprevisibles.

Al igual que los informes meteorológicos, las predicciones de esta IA no son absolutas. Ofrecen probabilidades: por ejemplo, puede calcular la posibilidad de desarrollar una enfermedad cardíaca en el próximo año. Sus estimaciones son más fiables en horizontes cortos y se expresan como porcentajes, del mismo modo que se anuncia un “70 % de probabilidad de lluvia mañana”.

En el caso del Biobanco británico, el modelo mostró que hombres de entre 60 y 65 años pueden tener un riesgo de infarto que oscila entre 4 de cada 10.000 y 1 de cada 100, dependiendo de su historial y estilo de vida. Las mujeres, en promedio, presentan menos riesgo, pero siguen patrones similares.

“Modelos generativos como el nuestro podrían algún día ayudar a personalizar la atención médica y anticipar las necesidades sanitarias a gran escala"

No obstante, hay limitaciones: los datos con los que se entrenó proceden sobre todo de personas de entre 40 y 60 años, por lo que hay menos información sobre niños, adolescentes y algunos grupos étnicos. Aunque aún no está listo para aplicarse directamente en clínicas, este tipo de modelos ya podría ayudar a los investigadores a comprender cómo progresan las enfermedades a lo largo del tiempo, estudiar la influencia del estilo de vida y los antecedentes médicos en la salud futura y crear simulaciones con datos ficticios para investigar situaciones donde faltan datos reales.

Con el tiempo, versiones más avanzadas y entrenadas con bases de datos más representativas podrían ayudar a los médicos a detectar con antelación a pacientes de alto riesgo. Esto sería clave en un mundo donde la población envejece y las enfermedades crónicas son cada vez más frecuentes.

“Este es el comienzo de una nueva forma de comprender la salud humana y la progresión de las enfermedades”, ha afirmado Moritz Gerstung, jefe de la División de IA en Oncología del DKFZ y exjefe de grupo del EMBL-EBI. “Modelos generativos como el nuestro podrían algún día ayudar a personalizar la atención médica y anticipar las necesidades sanitarias a gran escala. Al aprender de grandes poblaciones, estos modelos ofrecen una perspectiva poderosa sobre cómo se desarrollan las enfermedades y, con el tiempo, podrían facilitar intervenciones más tempranas y personalizadas”.

Gustavo Sudre, profesor de Neuroimagen Genómica e Inteligencia Artificial en el King's College de Londres (Reino Unido) y titular de la cátedra Rosetrees Pears de Bioinformática, que no ha participado en el estudio, ha destacado en declaraciones a SMC España4: “Esta investigación parece ser un paso significativo hacia una forma de modelización predictiva en medicina que sea escalable, interpretable y, lo que es más importante, éticamente responsable. La demostración clara de cómo se puede utilizar la IA explicable para modelizar predicciones es crucial si se quiere utilizar esta tecnología en la práctica clínica y sugiere que podría ser posible identificar a las personas de alto riesgo que necesitan intervención”.

“Aunque la versión actual se basa únicamente en registros clínicos anonimizados, es alentador ver que la arquitectura del modelo se ha diseñado deliberadamente para dar cabida a tipos de datos más ricos, como biomarcadores, imágenes e incluso genómica. Con estas futuras integraciones, la plataforma Delphi está bien posicionada para evolucionar hacia una herramienta de medicina de precisión verdaderamente multimodal”, concluye el experto.