{"id":121785,"date":"2025-09-17T22:22:11","date_gmt":"2025-09-17T22:22:11","guid":{"rendered":"https:\/\/www.europesays.com\/es\/121785\/"},"modified":"2025-09-17T22:22:11","modified_gmt":"2025-09-17T22:22:11","slug":"un-modelo-de-ia-es-capaz-de-predecir-el-riesgo-de-un-millar-de-enfermedades-con-decadas-de-antelacion","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/es\/121785\/","title":{"rendered":"Un modelo de IA es capaz de predecir el riesgo de un millar de enfermedades con d\u00e9cadas de antelaci\u00f3n"},"content":{"rendered":"

\n Un modelo de inteligencia artificial<\/a> (IA) llamado Delphi-2M, presentado este mi\u00e9rcoles en la revista <\/a>Nature<\/a>, es capaz de predecir el riesgo y los resultados de salud con m\u00e1s de una d\u00e9cada de antelaci\u00f3n. La herramienta, seg\u00fan sus creadores, se basa en datos de hasta 20 a\u00f1os del historial m\u00e9dico del paciente y tiene una precisi\u00f3n superior a la de tecnolog\u00edas existentes.\u00a0\n <\/p>\n

<\/p>\n

C\u00f3mo combatir al c\u00e1ncer de mama en el \u201cmultiverso\u201d<\/p>\n

\"C\u00f3mo<\/p>\n

<\/a><\/p>\n

\n Este nuevo modelo de IA generativa se ha dise\u00f1ado a medida utilizando conceptos algor\u00edtmicos similares a los empleados en los modelos de lenguaje extenso (LLM), como el conocido ChatGPT. El sistema se ha entrenado con datos an\u00f3nimos de pacientes de 400.000 participantes del\u00a0Biobanco del Reino Unido<\/a> y se ha probado usando datos de casi dos millones de personas en Dinamarca.\n <\/p>\n

\n El modelo funciona especialmente bien en afecciones con patrones de progresi\u00f3n claros y consistentes, como ciertos tipos de c\u00e1ncer, infartos y septicemia (infecci\u00f3n en la sangre). Sin embargo, el modelo es menos fiable en afecciones m\u00e1s variables, como trastornos de salud mental o complicaciones relacionadas con el embarazo que dependen de eventos vitales impredecibles.\u00a0\n <\/p>\n

\n

Al modelar la evoluci\u00f3n de las enfermedades a lo largo del tiempo, podemos empezar a explorar cu\u00e1ndo surgen ciertos riesgos y c\u00f3mo planificar mejor las intervenciones tempranas<\/p>\n

\n Ewan Birney
\n \u2014 Director ejecutivo interino del Laboratorio Europeo de Biolog\u00eda Molecular (EMBL)\n <\/p>\n<\/blockquote>\n

\n \u201cNuestro modelo es una prueba de concepto que demuestra que la IA puede aprender muchos de nuestros patrones de salud a largo plazo y utilizar esta informaci\u00f3n para generar predicciones significativas\u201d, asegura Ewan Birney<\/a>, director ejecutivo interino del\u00a0Laboratorio Europeo de Biolog\u00eda Molecular\u00a0(EMBL). \u201cAl modelar la evoluci\u00f3n de las enfermedades a lo largo del tiempo, podemos empezar a explorar cu\u00e1ndo surgen ciertos riesgos<\/a> y c\u00f3mo planificar mejor las intervenciones tempranas. Es un gran paso hacia enfoques m\u00e1s personalizados y preventivos de la atenci\u00f3n m\u00e9dica\u201d.\u00a0\n <\/p>\n

\n As\u00ed como los modelos de lenguaje extensos pueden aprender la estructura de las oraciones, este modelo de IA aprende la gram\u00e1tica de los datos de salud para modelar los historiales m\u00e9dicos como secuencias de eventos que se desarrollan a lo largo del tiempo. Estos eventos incluyen diagn\u00f3sticos m\u00e9dicos o factores de estilo de vida como el tabaquismo. El modelo aprende a predecir el riesgo de enfermedad<\/a> a partir del orden en que ocurren dichos eventos y el tiempo transcurrido entre ellos.\u00a0\n <\/p>\n

\n

Nuestro modelo de IA nos permite explorar qu\u00e9 podr\u00eda suceder con base en el historial m\u00e9dico de una persona y otros factores clave<\/p>\n

\n Tom Fitzgerald
\n \u2014 Cient\u00edfico del Instituto Europeo de Bioinform\u00e1tica del EMBL-EBI\n <\/p>\n<\/blockquote>\n

\n \u201cLos eventos m\u00e9dicos suelen seguir patrones predecibles\u201d, afirma\u00a0Tom Fitzgerald<\/a>, cient\u00edfico del Instituto Europeo de Bioinform\u00e1tica del EMBL (EMBL-EBI). \u201cNuestro modelo de IA aprende esos patrones y puede predecir futuros resultados de salud. Nos permite explorar qu\u00e9 podr\u00eda suceder con base en el historial m\u00e9dico de una persona y otros factores clave\u201d.\n <\/p>\n

Sesgos y limitaciones<\/p>\n

\n Los creadores advierten de que, al igual que los pron\u00f3sticos meteorol\u00f3gicos<\/a>, este nuevo modelo de IA proporciona probabilidades, no certezas. No predice con exactitud qu\u00e9 le suceder\u00e1 a una persona, pero ofrece estimaciones bien calibradas de la probabilidad de que ciertas afecciones se presenten en un per\u00edodo determinado. Por ejemplo, podr\u00eda predecir la probabilidad de desarrollar una enfermedad card\u00edaca durante el pr\u00f3ximo a\u00f1o.\u00a0\n <\/p>\n

\n Estos riesgos se expresan como tasas a lo largo del tiempo, similar a pronosticar un 70% de probabilidad de lluvia ma\u00f1ana. Generalmente, los pron\u00f3sticos a corto plazo tienen mayor precisi\u00f3n que los de largo plazo.\n <\/p>\n

\n El modelo tambi\u00e9n presenta sesgos demogr\u00e1ficos, al estar calibrado para generar estimaciones precisas de riesgo a nivel poblacional, pronosticando la frecuencia con la que ciertas afecciones se presentan en grupos de personas. Como los datos provienen principalmente de personas de entre 40 y 60 a\u00f1os, los eventos de salud infantil y adolescente est\u00e1n subrepresentados. Adem\u00e1s, debido a la falta de datos de entrenamiento, incluyendo la subrepresentaci\u00f3n de ciertos grupos \u00e9tnicos.\n <\/p>\n

\n

El reto inmediato para la asistencia sanitaria es garantizar que exista una infraestructura digital y una base de competencias suficientes para todos, independientemente de su origen socioecon\u00f3mico<\/p>\n

\n Peter Bannister
\n \u2014 Experto de la Institution of Engineering and Technology (Reino Unido)\n <\/p>\n<\/blockquote>\n

\n Si bien el modelo no est\u00e1 listo para su uso cl\u00ednico, los autores del trabajo creen que podr\u00eda ayudar a los investigadores a comprender c\u00f3mo se desarrollan y progresan las enfermedades con el tiempo, explorar c\u00f3mo el estilo de vida y las enfermedades pasadas afectan el riesgo de enfermedad a largo plazo y a simular resultados de salud utilizando datos artificiales de pacientes, en situaciones donde los datos del mundo real son dif\u00edciles de obtener o acceder.\n <\/p>\n

\n Respecto a la privacidad, este modelo de IA se entren\u00f3 con datos de salud an\u00f3nimos bajo estrictas normas \u00e9ticas. Los participantes del Biobanco del Reino Unido dieron su consentimiento informado, y se accedi\u00f3 a los datos daneses de acuerdo con la normativa nacional que exige que permanezcan en Dinamarca. Los investigadores utilizaron sistemas virtuales seguros para analizar los datos sin trasladarlos a otros pa\u00edses. Estas medidas de seguridad ayudan a garantizar que los modelos de IA se desarrollen y utilicen respetando la privacidad y los est\u00e1ndares \u00e9ticos.\n <\/p>\n

Evitar la desigualdad<\/p>\n

\n Gustavo Sudre<\/a>, profesor de Neuroimagen Gen\u00f3mica e Inteligencia Artificial en el King’s College de Londres, considera que esta investigaci\u00f3n parece ser un paso significativo hacia una forma de modelizaci\u00f3n predictiva en medicina que sea escalable, interpretable y, lo que es m\u00e1s importante, \u00e9ticamente responsable. \u201cLa demostraci\u00f3n clara de c\u00f3mo se puede utilizar la IA explicable para modelizar predicciones es crucial si se quiere utilizar esta tecnolog\u00eda en la pr\u00e1ctica cl\u00ednica y sugiere que podr\u00eda ser posible identificar a las personas de alto riesgo que necesitan intervenci\u00f3n\u201d, explica al Science Media Centre en Reino Unido<\/a>.\n <\/p>\n

<\/p>\n

Una inteligencia artificial aprende a diferenciar las c\u00e9lulas del c\u00e1ncer de las sanas de forma precoz<\/p>\n

\"Una<\/p>\n

<\/a><\/p>\n

\n Peter Bannister<\/a>, experto en atenci\u00f3n sanitaria y miembro de la Institution of Engineering and Technology (Reino Unido),\u00a0cree que a\u00fan queda mucho camino por recorrer para mejorar la atenci\u00f3n sanitaria, ya que los autores reconocen que ambos conjuntos de datos presentan sesgos en cuanto a edad, origen \u00e9tnico y resultados sanitarios actuales. \u201cEl reto inmediato para la asistencia sanitaria es garantizar que exista una infraestructura digital y una base de competencias suficientes para todos, independientemente de su origen socioecon\u00f3mico, de modo que las tecnolog\u00edas actualmente disponibles puedan ofrecerse a quienes m\u00e1s necesitan mejorar su acceso a los tratamientos\u201d, concluye.\n <\/p>\n","protected":false},"excerpt":{"rendered":"Un modelo de inteligencia artificial (IA) llamado Delphi-2M, presentado este mi\u00e9rcoles en la revista Nature, es capaz de…\n","protected":false},"author":2,"featured_media":121786,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[42],"tags":[40096,17,18,6639,16112,1293,13,14,11,1636,61,62,63,64,19,20,39783,3431,9,10,15,16,9760,1288,12,21,22,65,66,67],"class_list":{"0":"post-121785","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-internacional","8":"tag-antelacion","9":"tag-breaking-news","10":"tag-breakingnews","11":"tag-capaz","12":"tag-decadas","13":"tag-enfermedades","14":"tag-featured-news","15":"tag-featurednews","16":"tag-headlines","17":"tag-ia","18":"tag-internacional","19":"tag-international","20":"tag-international-news","21":"tag-internationalnews","22":"tag-latest-news","23":"tag-latestnews","24":"tag-millar","25":"tag-modelo","26":"tag-news","27":"tag-noticias","28":"tag-noticias-destacadas","29":"tag-noticiasdestacadas","30":"tag-predecir","31":"tag-riesgo","32":"tag-titulares","33":"tag-ultimas-noticias","34":"tag-ultimasnoticias","35":"tag-world","36":"tag-world-news","37":"tag-worldnews"},"share_on_mastodon":{"url":"","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/121785","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/comments?post=121785"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/121785\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media\/121786"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media?parent=121785"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/categories?post=121785"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/tags?post=121785"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}