* El modelo Delphi-2M fue entrenado con datos de más de 450 mil personas para anticipar eventos clínicos de forma precisa y escalable

Inglaterra.- Un grupo de científicos desarrolló un modelo de inteligencia artificial (IA) capaz de predecir diagnósticos médicos con años de antelación, basado en la misma tecnología que utiliza ChatGPT, de OpenAI.

A partir del historial clínico de cada paciente, la IA llamada Delphi-2M puede anticipar la aparición de más de mil enfermedades, según un estudio publicado en la revista Nature.

Los investigadores, originarios del Reino Unido, Dinamarca, Alemania y Suiza, analizaron los antecedentes médicos de cerca de un millón de personas incluidas en la base de datos UK Biobank. Para procesar toda esa información, emplearon tecnología similar a los modelos de lenguaje utilizados en sistemas como ChatGPT.

Modelo lingüístico aplicado a datos clínicos

Comprender una secuencia de diagnósticos médicos equivale a “aprender la gramática de un texto”, explicó Moritz Gerstung, especialista en inteligencia artificial del Centro Alemán de Investigación contra el Cáncer.

Gracias a su entrenamiento, Delphi-2M identifica patrones en los datos clínicos antes de que se emitan diagnósticos, detectando combinaciones y secuencias relevantes, lo que permite realizar predicciones significativas y útiles para la salud, detalló Gerstung.

El especialista presentó diagramas que muestran cómo la IA puede anticipar el riesgo de infarto con mayor precisión que indicadores tradicionales como la edad u otros factores.

Las capacidades del sistema se pusieron a prueba con datos médicos de casi dos millones de personas en Dinamarca.

Precisión predictiva y comparación con modelos existentes

El modelo Delphi-2M se inspira en arquitecturas de lenguaje similares a las de ChatGPT, pero adaptadas para datos clínicos longitudinales.

El estudio al que se hace referencia, detalla que Delphi-2M fue entrenado con 811 millones de eventos clínicos provenientes de 454 mil pacientes en el UK Biobank.

Esto permitió alcanzar un alto nivel de precisión en la predicción de más de 10 mil condiciones médicas posibles.

Según los resultados del estudio, Delphi-2M logró un rendimiento superior al de modelos tradicionales al predecir eventos como infartos, insuficiencia cardíaca o enfermedades neurodegenerativas hasta cinco años antes de su aparición, con un área bajo la curva (AUC) que en algunos casos superó el 0.85.

Esto representa una mejora notable frente a modelos como QRISK3, que se centra únicamente en enfermedades cardiovasculares y no tiene capacidad de análisis simultáneo para múltiples afecciones.

Implicaciones para la medicina preventiva

En el futuro, modelos como este podrían servir para orientar el seguimiento médico y favorecer intervenciones clínicas más tempranas dentro de la medicina preventiva, afirmó Gerstung.

A largo plazo, este tipo de tecnologías podrían contribuir a optimizar los recursos en sistemas de salud sometidos a alta presión, aseguró Tom Fitzgerald, del Laboratorio Europeo de Biología Molecular y coautor del estudio.

En varios países ya existen herramientas para predecir enfermedades, como QRISK3, utilizado por médicos británicos para estimar el riesgo de infarto o embolia cerebral.

Pero Delphi-2M es capaz de analizar múltiples enfermedades al mismo tiempo y en periodos prolongados, destacó otro de los autores, Ewan Birney.

Para Gustavo Sudre, profesor del King's College de Londres especializado en IA médica, este avance representa “un paso importante hacia una modelización predictiva en medicina que sea escalable, comprensible y, sobre todo, éticamente responsable”.

Desafíos éticos y necesidad de validación

El uso de modelos de lenguaje para interpretar secuencias médicas se basa en el principio de que los registros clínicos tienen una estructura temporal y semántica similar al lenguaje escrito. Esto permite aplicar modelos tipo Transformer —los mismos que sustentan a sistemas como GPT-4— para detectar relaciones complejas y no lineales entre eventos clínicos pasados y futuros.

Aunque la herramienta mostró un rendimiento elevado en pruebas retrospectivas, los investigadores recalcan que aún no está lista para uso clínico real.

Su implementación requerirá validación prospectiva, evaluación en diferentes poblaciones y entornos sanitarios, así como un marco ético y regulatorio robusto que garantice la equidad, la privacidad de los datos y la transparencia en las predicciones generadas.

En un contexto de creciente presión sobre los sistemas sanitarios —particularmente en países con envejecimiento poblacional como Reino Unido, Alemania o Japón—, herramientas como Delphi-2M podrían tener un papel relevante en medicina preventiva y en la asignación eficiente de recursos.

Según datos del National Health Service (NHS), más del 70% del gasto sanitario en Reino Unido se destina al tratamiento de enfermedades crónicas, por lo que una predicción temprana podría suponer un ahorro considerable y mejores resultados en salud.

¿Cómo crees que cambiará la medicina si las enfermedades pueden predecirse con años de anticipación?

Comparte esta nota con alguien interesado en IA aplicada a la salud.

¿Te interesa la inteligencia artificial médica? Revisa cómo esta tecnología podría transformar los sistemas de salud.

Con información de: Excélsior

CD/YC