Una IA predice los problemas de salud que tendrás en 20 años

La máquina, que ha sido anunciada en ‘Nature’ y bautizada con el nombre Delphi-2M, puede servir para ayudar a los médicos a adelantarse a las enfermedades que sufran sus pacientes y, de este modo, mejorar la atención.

«Nuestro estudio es una prueba de concepto que evalúa la eficacia del uso de la IA para predecir riesgos futuros de enfermedades. La mayor sorpresa para nosotros fue que la herramienta sea capaz de predecir la aparición de hasta 1.000 enfermedades. Habríamos esperado que el modelo tuviera un buen rendimiento en algunos casos, pero muy bajo en otros. En general, esto demuestra la interconexión entre muchas patologías y que a menudo existen causas comunes», explica a ABC Moritz Gerstung, coautor del estudio y jefe de la División de Inteligencia Artificial en Oncología del DKFZ.

Gerstung y sus colegas destacan que las herramientas como ChatGPT suponen una gran oportunidad en la predicción de los efectos de múltiples enfermedades. Igual que estas predicen palabras para responder a las preguntas que reciben de los usuarios, es posible crear versiones que aprendan los patrones de las enfermedades que ha sufrido una persona para predecir la salud que tendrá en el futuro. Delphi-2M nace, precisamente, con ese objetivo.

Para llevar a cabo la investigación, los autores entrenaron la máquina con datos de 400.000 personas almacenados en el UK Biobank de Reino Unido y se probó con la información sanitaria de casi 2 millones de personas de Dinamarca. En funcionamiento, la herramienta fue capaz de calcular la probabilidad de aparición de algo más de un millar de patologías a la vez, teniendo en cuenta los diagnósticos previos del paciente, la edad, el sexo o el estilo de vida. También pudo simular la evolución del estado de salud de una persona a lo largo de 20 años, lo que podría ayudar a los médicos a fijar revisiones y exámenes para evitar problemas graves.

En promedio, Delphi-2M fue capaz de acertar en torno al 76% de los casos al anticipar la siguiente patología que sufrirá un paciente, y mantiene un 70% de tasa de acierto incluso a diez años vista. A más largo plazo, cuando la simulación es de las dos décadas completas en las que es funcional, el margen baja, pero aun así consigue acertar en torno al 14% de los diagnósticos reales, más que lo que se lograría usando solo datos como la edad y el sexo de la persona (12%).

A la hora de desarrollar la herramienta, los investigadores tuvieron cuidado para hacerla respetuosa con la privacidad. La máquina es capaz de crear historias de salud falsos, pero realistas, que siguen los mismos patrones de enfermedades que tienen personas reales, y sin revelar información de nadie en concreto. Esto permite hacer investigaciones de manera segura sobre los efectos que puede tener un cambio en los hábitos a nivel poblacional, sin comprometer los historiales médicos reales.

Con todo, la solución tiene sus límites y sesgos, ya que la mayoría de datos que se utilizaron para la capacitación eran de personas saludables y de alto nivel socioeconómico, con edades comprendidas entre los 40 y los 70 años. Para que la herramienta sea útil para el grueso de la población, habría que entrenarla con más información. Entre otras cosas. «Se requieren varios pasos antes de que un algoritmo de IA de este tipo pueda utilizarse como herramienta de apoyo a la toma de decisiones clínicas», explica Gerstung.

El jefe de la División de Inteligencia Artificial en Oncología del DKFZ destaca, a este respecto, que será necesario entrenar la IA con grandes cantidades de datos poblaciones para garantizar que las predicciones sean válidas para todos los habitantes de un país. «Posteriormente, será necesario definir casos de uso específicos de dicho algoritmo en colaboración con médicos y pacientes, evaluar el beneficio de una herramienta de asistencia mediante IA de este tipo en ensayos clínicos y desarrollar los marcos legales para el uso de este tipo de tecnología en la toma de decisiones médicas», remata.

De acuerdo con las estimaciones de los investigadores, todavía habrá que esperar cerca de una década hasta que veamos herramientas como Delphi en la atención médica rutinaria.