Un equipo de investigadores europeos ha desarrollado un modelo de inteligencia artificial (IA) llamado Delphi-2M, capaz de predecir la evolución de la salud de una persona y el riesgo de desarrollar múltiples enfermedades crónicas con hasta 20 años de antelación. Los detalles de esta herramienta, que busca revolucionar la medicina personalizada, fueron publicados en la prestigiosa revista científica Nature.
Puntos Clave
- El modelo de IA, Delphi-2M, puede pronosticar la trayectoria de salud de un individuo durante un período de hasta 20 años.
- Analiza más de 1.000 enfermedades, comorbilidades y factores como el estilo de vida y la genética.
- Fue entrenado con datos de 400.000 personas del Biobanco del Reino Unido y validado con registros de casi 2 millones de daneses.
- Su objetivo es mejorar la medicina de precisión e informar la planificación de los sistemas de salud pública.
Un Avance Hacia la Medicina Personalizada
La capacidad de anticipar cómo evolucionará la salud de un individuo ha sido durante mucho tiempo un objetivo en la medicina. Ahora, un equipo multidisciplinario ha dado un paso significativo en esa dirección. Investigadores del Centro Alemán de Investigación del Cáncer, el Instituto Europeo de Bioinformática y las universidades de Heidelberg y Copenhague colaboraron para crear Delphi-2M.
Este modelo generativo de IA no se limita a una sola enfermedad. A diferencia de algoritmos anteriores, puede predecir la aparición combinada de más de 1.000 patologías, como enfermedades cardiovasculares y cáncer, analizando sus complejas interacciones a lo largo del tiempo.
¿Qué es un modelo generativo?
Un modelo de IA generativa, como el que sustenta a Delphi-2M, aprende patrones a partir de grandes cantidades de datos para crear contenido nuevo y original. En este caso, en lugar de generar texto o imágenes, genera "trayectorias de salud sintéticas" o posibles futuros médicos para una persona.
El Funcionamiento de Delphi-2M
El éxito del modelo se basa en su capacidad para procesar y aprender de enormes volúmenes de datos sanitarios. Este enfoque integral le permite construir un panorama predictivo mucho más completo que las herramientas enfocadas en una única dolencia.
Entrenamiento con Datos Masivos
Para su desarrollo, los científicos "entrenaron" a Delphi-2M utilizando los historiales médicos anónimos de 400.000 individuos del Biobanco del Reino Unido. Esta base de datos contiene información detallada sobre genética, estilo de vida y salud a lo largo de la vida de los participantes.
Posteriormente, la fiabilidad del modelo fue verificada y ajustada utilizando un conjunto de datos aún mayor: los registros de salud de casi 2 millones de ciudadanos de Dinamarca. Esta validación a gran escala confirmó su capacidad para realizar predicciones precisas.
La precisión de Delphi-2M en la predicción de tasas de enfermedades futuras es comparable a la de los modelos que se basan en biomarcadores sanguíneos, según afirman sus creadores en el estudio publicado.
Análisis de Múltiples Variables
Lo que distingue a este modelo es su enfoque holístico. No solo considera diagnósticos médicos, sino que también integra una amplia gama de variables para cada individuo, incluyendo:
- Comorbilidades: La presencia de dos o más enfermedades al mismo tiempo.
- Dependencias temporales: Cómo la aparición de una enfermedad puede influir en el desarrollo de otra más adelante.
- Estilo de vida: Factores como el tabaquismo o el consumo de alcohol.
- Datos físicos: Como el índice de masa corporal.
- Factores socioeconómicos y hereditarios.
"La salud no puede entenderse solo por la presentación de diagnósticos individuales, sino, más bien, en el contexto de las comorbilidades de cada individuo y su evolución a lo largo del tiempo", señalan los autores del artículo, liderados por Artem Shmatko.
Aplicaciones Prácticas y Futuro
Las implicaciones de esta tecnología son amplias y podrían transformar tanto la atención al paciente como la gestión de la salud pública. La capacidad de prever la "carga potencial de enfermedad" ofrece una herramienta poderosa para la planificación y la prevención.
Medicina de Precisión y Prevención
A nivel individual, Delphi-2M podría ayudar a los médicos a identificar a pacientes con alto riesgo de desarrollar ciertas enfermedades. Esta información permitiría:
- Motivar cambios en el estilo de vida: Conocer un riesgo futuro puede incentivar a las personas a adoptar hábitos más saludables.
- Dirigir programas de detección precoz: Se podría priorizar el acceso a cribados, como mamografías o colonoscopias, para quienes tengan un mayor riesgo previsto.
- Personalizar tratamientos: Entender la trayectoria de salud completa de un paciente puede ayudar a diseñar terapias más efectivas y con menos efectos secundarios.
Planificación de los Sistemas Sanitarios
Más allá de la consulta médica, el modelo puede ser una herramienta clave para los gobiernos y las autoridades sanitarias. Al predecir tendencias de salud a nivel poblacional, puede ayudar a planificar la asignación de recursos y la creación de servicios médicos.
Como ejemplo, el modelo proyectó que en el Reino Unido, el número de personas en edad laboral con enfermedades graves como depresión, asma, diabetes o cáncer aumentará de 3 a 3,7 millones para el año 2040. Este tipo de predicciones son vitales para preparar los sistemas de salud para los desafíos futuros.
Privacidad y Datos Sintéticos
Los investigadores son conscientes de los riesgos de privacidad asociados al manejo de datos de salud sensibles. Por ello, uno de sus próximos objetivos es desarrollar nuevos modelos de IA que puedan funcionar generando datos sintéticos. Esto permitiría realizar predicciones fiables sin exponer la información personal de los pacientes.
Los creadores de Delphi-2M defienden que, una vez adaptado con los datos locales de cada país, el modelo puede ser "ampliamente aplicable en los sistemas nacionales de salud". Su éxito dependerá, en gran medida, de la calidad y la exhaustividad de la información sanitaria recopilada por cada nación durante las últimas décadas.
