Una IA predice el riesgo de padecer más de mil enfermedades

Para esto sí. Este es uno de los ejemplos más claros de uso positivo de una inteligencia artificial. Un equipo de científicos delLaboratorio Europeo de Biología Molecular (EMBL) ha desarrollado un modelo de IA generativa que utiliza historiales médicos a gran escala para estimar cómo puede cambiar la salud humana con el tiempo. Puede pronosticar el riesgo y el momento de aparición de más de 1000 enfermedades, así como predecir resultados de salud con más de una década de antelación. El avance se ha publicado en Nature.

Este nuevo modelo de IA generativa se diseñó a medida utilizando conceptos algorítmicos similares a los utilizados en los modelos de lenguaje a gran escala (LLM). Se entrenó con datos anonimizados de pacientes de 400 000 participantes del Biobanco del Reino Unido.

Para que los algoritmos no cayeran en errores provocados por obtener la información de una sola fuente de datos, los autores del estudio también probaron con éxito el modelo utilizando datos de 1,9 millones de pacientes del Registro Nacional de Pacientes de Dinamarca. Esto, según el equipo liderado por Ewan Birney, es una de las demostraciones más completas hasta la fecha de cómo la IA generativa puede modelar la progresión de enfermedades humanas a escala y se probó con datos de dos sistemas de salud completamente separados.

"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 – explica Birney, en un comunicado -. Al modelar la evolución de las enfermedades a lo largo del tiempo, podemos empezar a explorar cuándo surgen ciertos riesgos y la mejor manera de planificar intervenciones tempranas. Es un gran paso hacia enfoques más personalizados y preventivos de la atención médica.

Al igual que los grandes modelos lingüísticos pueden aprender la estructura de las oraciones, este modelo de IA aprende la “gramática de los datos de salud”. Esto le permite modelar los historiales médicos como secuencias de eventos que se desarrollan a lo largo del tiempo. Como establecer los pasos en un mapa que nos llevan de A hasta B. Solo que con miles de datos. Estos eventos incluyen diagnósticos médicos o factores de estilo de vida como el tabaquismo. El modelo aprende a predecir el riesgo de enfermedad a partir del orden en que ocurren dichos eventos y del tiempo transcurrido entre ellos.

“Los eventos médicos suelen seguir patrones predecibles - añade Tom Fitzgerald, coautor del estudio -. Nuestro modelo de IA aprende esos patrones y puede pronosticar resultados de salud futuros. Nos permite explorar qué podría suceder en función del historial médico de una persona y otros factores clave. Fundamentalmente, esto no es una certeza, sino una estimación de los riesgos potenciales”.

El modelo funciona especialmente bien en afecciones con patrones de progresión claros y consistentes, como ciertos tipos de cáncer, infartos y septicemia. Sin embargo, es menos fiable para afecciones más variables, como trastornos de salud mental o complicaciones relacionadas con el embarazo que dependen de eventos vitales impredecibles.

Pese a ser un gran paso, enorme en lo que respecta a prevención, hay que destacar varios aspectos. El modelo, que aún no está listo para su uso clínico, proporciona probabilidades, no certezas. No predice con exactitud qué le sucederá a una persona, más bien ofrece estimaciones bien calibradas de la probabilidad de que ciertas afecciones se presenten en un período determinado. Por ejemplo, podría predecir la probabilidad de desarrollar una enfermedad cardíaca durante el próximo año.

También hay que tener en cuenta que los datos se obtuvieron de voluntarios entre 40 y 60 años, así los eventos de salud infantil y adolescente están subrepresentados. El modelo también presenta sesgos demográficos debido a la falta de datos de entrenamiento, incluyendo la escasa representación de ciertos grupos étnicos.

Dicho esto, sí permite crear un patrón de posibles pacientes de muchos tipos de afecciones teniendo en cuenta muchas de sus costumbres y crear medidas de prevención o detección temprana de tumores, por ejemplo.

La idea es que, en el futuro, herramientas de IA similares, entrenadas con conjuntos de datos más representativos, podrían ayudar a médicos y científicos a identificar de forma temprana a los pacientes de alto riesgo. Algo que, viendo el envejecimiento de la población y el aumento de las tasas de enfermedades crónicas, suena a muy buena noticia.

“Este es el comienzo de una nueva forma de comprender la salud humana y la progresión de las enfermedades – concluye Moritz Gerstung, coautor del estudio -. Los modelos generativos como el nuestro podrían algún día ayudar a personalizar la atención médica y anticipar las necesidades a gran escala”.