En el terreno de la prevenci\u00f3n y la medicina personalizada, anticipar la aparici\u00f3n de enfermedades con a\u00f1os de antelaci\u00f3n es clave para poder actuar antes de que se desarrollen. Un estudio publicado hoy en la revista Nature<\/b> demuestra que esto podr\u00eda ser posible gracias a la inteligencia artificial.<\/p>\n
Un grupo de investigadores del Instituto Europeo de Bioinform\u00e1tica, el Centro Alem\u00e1n de Investigaci\u00f3n del C\u00e1ncer (DKFZ) <\/b>y varias instituciones danesas ha creado un modelo capaz de predecir la evoluci\u00f3n de m\u00e1s de mil enfermedades a la vez. La herramienta, llamada Delphi-2M<\/b>, utiliza la misma tecnolog\u00eda que los grandes modelos de lenguaje \u2014como ChatGPT\u2014 para analizar historiales m\u00e9dicos, h\u00e1bitos de vida y condiciones previas de salud, identificando patrones que permiten calcular riesgos futuros.<\/p>\n
\u201cEl hallazgo m\u00e1s inesperado fue que el modelo puede predecir m\u00e1s de 1.000 enfermedades<\/b>. Habr\u00edamos esperado que funcionara con algunas, pero que fallara con muchas otras. Esto muestra lo interconectadas que est\u00e1n muchas enfermedades y resalta la necesidad de investigar los mecanismos subyacentes que las conectan\u201d, explica Moritz Gerstung, director de la Divisi\u00f3n de Inteligencia Artificial en Oncolog\u00eda del DKFZ y coautor del estudio<\/b>.<\/p>\n
El modelo se entren\u00f3 con datos de 400.000 personas en el Reino Unido<\/b> y se valid\u00f3 con registros de casi dos millones de pacientes en Dinamarca<\/b>. Con esta informaci\u00f3n, Delphi-2M<\/b> puede proyectar trayectorias de salud tanto a nivel individual como poblacional hasta con 20 a\u00f1os de antelaci\u00f3n.<\/p>\n
Predicciones basadas en probabilidades<\/p>\n
Los autores aclaran que el modelo no ofrece certezas absolutas, sino probabilidades, de forma similar a lo que ocurre con las predicciones meteorol\u00f3gicas. Por ejemplo, al calcular el riesgo de sufrir un infarto en los pr\u00f3ximos diez a\u00f1os, acierta en siete de cada diez casos. Si la predicci\u00f3n se ampl\u00eda a veinte a\u00f1os, la precisi\u00f3n desciende al 14%<\/b>, aunque todav\u00eda supera el 12%<\/b> que se logra considerando \u00fanicamente la edad y el sexo.<\/p>\n
En el caso del Biobanco del Reino Unido, los hombres de entre 60 y 65 a\u00f1os<\/b> presentan un riesgo anual que puede ir desde 4 de cada 10.000 hasta 1 de cada 100<\/b>, dependiendo de su historial y estilo de vida. En mujeres, el promedio es inferior, aunque la variabilidad es parecida. Al contrastar los resultados con datos reales que no se usaron en el entrenamiento, los investigadores comprobaron que las predicciones reflejaban de manera fiel la incidencia observada en diferentes grupos de edad y sexo.<\/p>\n
Delphi-2M<\/b> alcanza una precisi\u00f3n similar a la de los mejores modelos espec\u00edficos para dolencias como la demencia o el infarto, y mejora las predicciones de mortalidad. En diabetes, sin embargo, el an\u00e1lisis de la hemoglobina glicosilada (HbA1c) sigue siendo m\u00e1s eficaz. Adem\u00e1s, el estudio se\u00f1ala enfermedades que aumentan el riesgo de otras, como ciertos tumores del aparato reproductivo femenino o los trastornos mentales.<\/p>\n
Retos \u00e9ticos y de privacidad<\/p>\n
Sobre el impacto que puede tener conocer riesgos de salud con tanta antelaci\u00f3n, Gerstung<\/b> apunta que se necesitan ensayos cl\u00ednicos en los que se comparen consultas m\u00e9dicas asistidas por IA con consultas tradicionales, para comprobar si los pacientes realmente obtienen m\u00e1s beneficios y evaluar tambi\u00e9n el efecto emocional de acceder a esta informaci\u00f3n.<\/p>\n
No obstante, los especialistas advierten de los posibles usos indebidos de una herramienta tan poderosa. Guillermo Lazcoz, miembro del Comit\u00e9 de \u00c9tica de la Investigaci\u00f3n del Instituto de Salud Carlos III, recuerda que \u201cla IA puede identificar a una persona a partir de datos que se supon\u00edan an\u00f3nimos, lo que exige nuevas medidas de protecci\u00f3n\u201d. En Europa ya se est\u00e1n desarrollando espacios seguros de tratamiento de datos que limitan el acceso a terceros y restringen el uso a fines autorizados.<\/p>\n
En esta misma l\u00ednea, Mikel Recuero, investigador de la Universidad del Pa\u00eds Vasco (EHU) y experto en protecci\u00f3n de datos, subraya que en Europa existen filtros \u00e9ticos y regulatorios que impiden emplear informaci\u00f3n biom\u00e9dica con fines comerciales, como seguros o banca. El nuevo reglamento europeo de datos de salud refuerza este enfoque, al prohibir expresamente que se tomen decisiones comerciales basadas en informaci\u00f3n gen\u00e9tica.<\/p>\n
Una herramienta para entender la salud del futuro<\/p>\n
Los investigadores comparan Delphi con modelos como GPT-4 o Gemini<\/b>, que aprenden a predecir la siguiente palabra en una secuencia. De manera an\u00e1loga, Delphi interpreta los historiales cl\u00ednicos como una sucesi\u00f3n de eventos \u2014diagn\u00f3sticos, factores de riesgo, h\u00e1bitos\u2014 para estimar trayectorias de salud.<\/p>\n
Aunque todav\u00eda falta camino para aplicarlo en la pr\u00e1ctica cl\u00ednica, el modelo ya resulta \u00fatil para comprender c\u00f3mo progresan las enfermedades y c\u00f3mo influyen los h\u00e1bitos de vida o los diagn\u00f3sticos previos en la aparici\u00f3n de dolencias futuras.<\/p>\n
Adem\u00e1s, puede generar datos de salud sint\u00e9ticos, simulando trayectorias estad\u00edsticas realistas pero sin vinculaci\u00f3n con pacientes concretos. Esto protege la privacidad y permite entrenar otros algoritmos sin comprometer informaci\u00f3n sensible.<\/p>\n
Frente a los modelos actuales, centrados en riesgos concretos como el c\u00e1ncer de mama o los problemas card\u00edacos, Delphi-2M <\/b>ofrece una visi\u00f3n integral de la salud humana, un enfoque que ser\u00e1 cada vez m\u00e1s relevante en sociedades envejecidas y con m\u00faltiples enfermedades cr\u00f3nicas.<\/p>\n","protected":false},"excerpt":{"rendered":"En el terreno de la prevenci\u00f3n y la medicina personalizada, anticipar la aparici\u00f3n de enfermedades con a\u00f1os de…\n","protected":false},"author":2,"featured_media":126157,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[92],"tags":[25,24,165,166,23],"class_list":{"0":"post-126156","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-salud","8":"tag-es","9":"tag-espana","10":"tag-health","11":"tag-salud","12":"tag-spain"},"share_on_mastodon":{"url":"","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/126156","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=126156"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/126156\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media\/126157"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media?parent=126156"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/categories?post=126156"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/tags?post=126156"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}