En el terreno de la prevención y la medicina personalizada, anticipar la aparición de enfermedades con años de antelación es clave para poder actuar antes de que se desarrollen. Un estudio publicado hoy en la revista Nature demuestra que esto podría ser posible gracias a la inteligencia artificial.

Un grupo de investigadores del Instituto Europeo de Bioinformática, el Centro Alemán de Investigación del Cáncer (DKFZ) y varias instituciones danesas ha creado un modelo capaz de predecir la evolución de más de mil enfermedades a la vez. La herramienta, llamada Delphi-2M, utiliza la misma tecnología que los grandes modelos de lenguaje —como ChatGPT— para analizar historiales médicos, hábitos de vida y condiciones previas de salud, identificando patrones que permiten calcular riesgos futuros.

“El hallazgo más inesperado fue que el modelo puede predecir más de 1.000 enfermedades. Habríamos esperado que funcionara con algunas, pero que fallara con muchas otras. Esto muestra lo interconectadas que están muchas enfermedades y resalta la necesidad de investigar los mecanismos subyacentes que las conectan”, explica Moritz Gerstung, director de la División de Inteligencia Artificial en Oncología del DKFZ y coautor del estudio.

El modelo se entrenó con datos de 400.000 personas en el Reino Unido y se validó con registros de casi dos millones de pacientes en Dinamarca. Con esta información, Delphi-2M puede proyectar trayectorias de salud tanto a nivel individual como poblacional hasta con 20 años de antelación.

Predicciones basadas en probabilidades

Los autores aclaran que el modelo no ofrece certezas absolutas, sino probabilidades, de forma similar a lo que ocurre con las predicciones meteorológicas. Por ejemplo, al calcular el riesgo de sufrir un infarto en los próximos diez años, acierta en siete de cada diez casos. Si la predicción se amplía a veinte años, la precisión desciende al 14%, aunque todavía supera el 12% que se logra considerando únicamente la edad y el sexo.

En el caso del Biobanco del Reino Unido, los hombres de entre 60 y 65 años presentan un riesgo anual que puede ir desde 4 de cada 10.000 hasta 1 de cada 100, dependiendo de su historial y estilo de vida. En mujeres, el promedio es inferior, aunque la variabilidad es parecida. Al contrastar los resultados con datos reales que no se usaron en el entrenamiento, los investigadores comprobaron que las predicciones reflejaban de manera fiel la incidencia observada en diferentes grupos de edad y sexo.

Delphi-2M alcanza una precisión similar a la de los mejores modelos específicos para dolencias como la demencia o el infarto, y mejora las predicciones de mortalidad. En diabetes, sin embargo, el análisis de la hemoglobina glicosilada (HbA1c) sigue siendo más eficaz. Además, el estudio señala enfermedades que aumentan el riesgo de otras, como ciertos tumores del aparato reproductivo femenino o los trastornos mentales.

Retos éticos y de privacidad

Sobre el impacto que puede tener conocer riesgos de salud con tanta antelación, Gerstung apunta que se necesitan ensayos clínicos en los que se comparen consultas médicas asistidas por IA con consultas tradicionales, para comprobar si los pacientes realmente obtienen más beneficios y evaluar también el efecto emocional de acceder a esta información.

No obstante, los especialistas advierten de los posibles usos indebidos de una herramienta tan poderosa. Guillermo Lazcoz, miembro del Comité de Ética de la Investigación del Instituto de Salud Carlos III, recuerda que “la IA puede identificar a una persona a partir de datos que se suponían anónimos, lo que exige nuevas medidas de protección”. En Europa ya se están desarrollando espacios seguros de tratamiento de datos que limitan el acceso a terceros y restringen el uso a fines autorizados.

En esta misma línea, Mikel Recuero, investigador de la Universidad del País Vasco (EHU) y experto en protección de datos, subraya que en Europa existen filtros éticos y regulatorios que impiden emplear información biomédica con fines comerciales, como seguros o banca. El nuevo reglamento europeo de datos de salud refuerza este enfoque, al prohibir expresamente que se tomen decisiones comerciales basadas en información genética.

Una herramienta para entender la salud del futuro

Los investigadores comparan Delphi con modelos como GPT-4 o Gemini, que aprenden a predecir la siguiente palabra en una secuencia. De manera análoga, Delphi interpreta los historiales clínicos como una sucesión de eventos —diagnósticos, factores de riesgo, hábitos— para estimar trayectorias de salud.

Aunque todavía falta camino para aplicarlo en la práctica clínica, el modelo ya resulta útil para comprender cómo progresan las enfermedades y cómo influyen los hábitos de vida o los diagnósticos previos en la aparición de dolencias futuras.

Además, puede generar datos de salud sintéticos, simulando trayectorias estadísticas realistas pero sin vinculación con pacientes concretos. Esto protege la privacidad y permite entrenar otros algoritmos sin comprometer información sensible.

Frente a los modelos actuales, centrados en riesgos concretos como el cáncer de mama o los problemas cardíacos, Delphi-2M ofrece una visión integral de la salud humana, un enfoque que será cada vez más relevante en sociedades envejecidas y con múltiples enfermedades crónicas.