Científicos crearon Delphi-2M, un modelo de IA que predice el riesgo de más de 1.000 enfermedades con hasta 20 años de antelación.
El modelo de IA que puede predecir enfermedades que tendrás en 20 años
Un equipo de investigadores en Europa ha creado Delphi-2M, un modelo de inteligencia artificial capaz de predecir la trayectoria de más de 1.000 enfermedades con hasta dos décadas de antelación. El estudio, publicado en la revista Nature, propone una nueva era para la medicina personalizada y preventiva.
¿Cómo funciona este modelo predictivo?
El algoritmo se basa en una tecnología similar a la de los grandes modelos de lenguaje como ChatGPT. En lugar de procesar palabras, Delphi-2M aprende de la secuencia de eventos en el historial médico de una persona, incluyendo diagnósticos, factores de riesgo y hábitos de vida.
Para su entrenamiento, los investigadores utilizaron datos de 400.000 personas del Reino Unido y fue validado con registros de casi dos millones de pacientes en Dinamarca. Según Moritz Gerstung, coautor del estudio, lo más sorprendente fue que el modelo funcionó para más de 1.000 enfermedades. «Esto muestra lo interconectadas que están muchas enfermedades y resalta la necesidad de investigar los mecanismos subyacentes que las conectan», explicó.
El modelo ofrece probabilidades, no certezas. Por ejemplo, al calcular el riesgo de un infarto en 10 años, el modelo acierta alrededor de 7 de cada 10 casos, una precisión comparable a la de los mejores algoritmos existentes.
Los desafíos éticos y la protección de datos
Una herramienta tan poderosa como esta plantea serios riesgos, como la discriminación por parte de aseguradoras o bancos que podrían usar los datos para evaluar clientes.
Sin embargo, expertos en ética y protección de datos, como Guillermo Lazcoz, aseguran que en Europa existen múltiples capas de control. El nuevo reglamento del espacio europeo de datos de salud prohíbe expresamente el uso de información genética para decisiones comerciales como la modificación de primas de seguro.
Para proteger la privacidad, los investigadores también han desarrollado la capacidad de generar datos de salud sintéticos. Esto permite que el modelo sea entrenado sin usar la información real de pacientes, lo que protege su privacidad.
