¿Enfermar "programado"? La IA ya lo predice con precisión para los próximos 20 años

Investigadores presentaron el modelo de IA Delphi‑2M, capaz de predecir el riesgo de desarrollar más de 1200 enfermedades con un horizonte de hasta 20 años. Es la primera herramienta basada en un gran transformador de lenguaje que modela trayectorias de salud para múltiples diagnósticos a la vez — desde el cáncer y las enfermedades autoinmunes hasta las enfermedades de la piel.

Delphi‑2M utiliza registros médicos, edad, sexo, índice de masa corporal y factores de comportamiento — incluidos el tabaquismo y el consumo de alcohol — para estimar las probabilidades de aparición de 1258 enfermedades. El modelo se entrenó con la base de datos de 400 000 participantes del proyecto británico UK Biobank y, según los autores, mostró una precisión comparable o superior a la de los algoritmos predictivos existentes que se enfocan en patologías individuales.

Los autores ajustaron la arquitectura GPT — transformador generativo preentrenado, similar a la que está detrás de sistemas como ChatGPT — y la adaptaron a las tareas de pronóstico médico a largo plazo. A diferencia de modelos especializados previos centrados en enfermedades aisladas, Delphi‑2M puede generar mapas integrales de salud que abarcan décadas y detectar automáticamente múltiples amenazas potenciales.

Según uno de los autores, Moritz Gerstung del Centro Alemán de Investigación del Cáncer, el nuevo sistema elimina la necesidad de ejecutar decenas de herramientas dispares al analizar a cada paciente.

Delphi‑2M funciona especialmente bien para predecir enfermedades que tienen patrones de desarrollo bien definidos, por ejemplo algunas formas de cáncer. Además, el modelo puede variar el horizonte de pronóstico según la integridad y la profundidad de los datos médicos de entrada — hasta 20 años.

Su eficacia se confirmó en pruebas sobre una base independiente de 1,9 millones de registros del Registro Nacional de Pacientes de Dinamarca, que contiene el historial de hospitalizaciones desde la década de 1970. Aunque los datos diferían en estructura y no se usaron en el entrenamiento, la precisión de las predicciones solo disminuyó ligeramente, lo que sugiere una posible transferibilidad del modelo a otros sistemas de salud.

Sin embargo, como señala Degui Zhi de la Universidad de Salud de Texas, existen limitaciones: en particular, UK Biobank registró solo la primera aparición documentada de una enfermedad en cada persona, mientras que la dinámica real — recaídas, complicaciones y comorbilidad — es importante para construir trayectorias individuales con precisión. También queda por resolver hasta qué punto Delphi‑2M captura las relaciones temporales entre eventos, el impacto de estados raros y las posibles dependencias cruzadas entre enfermedades.

A pesar de ello, la herramienta ya se ha mostrado como uno de los desarrollos más prometedores en el campo de la predicción de enfermedades. El siguiente paso será validar el modelo con datos clínicos de otros países y calibrarlo para distintas poblaciones. Los autores enfatizan que, incluso con el nivel actual de desarrollo, Delphi‑2M puede convertirse en una herramienta útil para médicos y sistemas de salud — sobre todo para la identificación temprana de grupos de riesgo e implementación de medidas preventivas mucho antes de la aparición de los síntomas.