La IA pronostica el riesgo de enfermedades en un paciente con décadas de antelación

Un equipo de científicos ha entrenado un modelo de inteligencia artificial (IA) que predice cómo será la salud de una persona: la herramienta puede pronosticar el riesgo y el momento de aparición de más de mil enfermedades a partir del historial médico de un paciente con décadas de antelación.

El modelo, desarrollado por científicos del Laboratorio Europeo de Biología Molecular (EMBL), del Centro Alemán de Investigación Oncológica (DKFZ) y de la Universidad de Copenhague, fue entrenado con información clínica de 400.000 personas del Reino Unido y se probó con datos de casi dos millones de personas en Dinamarca.

Bautizado Delphi-2M, el modelo pudo predecir la probabilidad de más de mil enfermedades basándose en el historial médico de una persona con una precisión igual o superior a la de otras herramientas.

Además, logró simular trayectorias de salud de hasta 20 años para una persona y generar datos sintéticos que protegen la privacidad de los pacientes pero siguen siendo útiles para entrenar otros modelos de IA.

Los autores defienden que su herramienta podría ayudar a identificar a las personas con mayor riesgo de padecer enfermedades, orientar los programas de detección y apoyar la planificación a largo plazo de los servicios sanitarios.

"Nuestro modelo de IA es una prueba de concepto que demuestra que es posible que la IA aprenda muchos de nuestros patrones de salud a largo plazo y utilice esta información para generar predicciones significativas", sostiene Ewan Birney, director ejecutivo interino del EMBL.

"Al modelar cómo se desarrollan las enfermedades a lo largo del tiempo, podemos empezar a explorar cuándo surgen ciertos riesgos y cuál es la mejor manera de planificar intervenciones tempranas. Es un gran paso hacia enfoques más personalizados y preventivos de la atención sanitaria", añade.

Aunque versiones futuras podrían incluir más tipos de información sanitaria y ayudar a mejorar la atención personalizada, los autores advierten de que el modelo actual refleja los sesgos de los datos con los que fue entrando y que sus predicciones no deben usarse para tomar decisiones médicas directas sin realizar más pruebas.