Investigadores del Laboratorio Europeo de Biología Molecular, en colaboración con el Centro Alemán de Investigación del Cáncer (DKFZ) de Alemania y la Universidad de Copenhague de Dinamarca, han desarrollado un modelo de IA generativa que utiliza registros médicos a gran escala para estimar cómo podría cambiar la salud humana con el tiempo.
El modelo es el llamado Delphi-2M, y es capaz de identificar patrones de enfermedad en las personas a partir de historiales médicos, factores de estilo de vida y condiciones previas de salud. El modelo ha sido alimentado con datos de 400.000 personas y es capaz de ofrecer las posibilidades que tiene una persona de desarrollar 1.000 enfermedades distintas. Los resultados se recogen en la revista Nature.
«Nuestro modelo de IA es una prueba de concepto que demuestra que la IA puede aprender de muchos de nuestros patrones de salud a largo plazo y utilizar esta información para generar predicciones significativas», ha subrayado Ewan Birney, director ejecutivo interino del Laboratorio Europeo de Biología Molecular (EMBL). «Al modelar la evolución de las enfermedades a lo largo del tiempo, podemos empezar a explorar cuándo surgen ciertos riesgos y cómo planificar mejor las intervenciones tempranas. Es un gran paso hacia enfoques más personalizados y preventivos de la atención médica».
Gran fiabilidad ante infartos
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 en afecciones más variables, como trastornos de salud mental o complicaciones relacionadas con el embarazo.
Probabilidades, no certezas
Aunque el modelo no predice con exactitud qué le sucederá a una persona, sí permite predecir la probabilidad de que se presenten enfermedades en un período determinado de tiempo. Además, teniendo en cuenta que los datos de entrenamiento del modelo provienen de personas de entre 40 y 60 años, dejan fuera colectivos como el de los niños y adolescentes.
Eso sí, aunque no esté listo para su uso clínico, sí podría ayudar a los investigadores a comprender cómo se desarrollan y progresan determinadas enfermedades y simular resultados de salud utilizando datos artificiales de pacientes.
