Una nueva IA predice qué enfermedades vas a tener y cuándo

Madrid

¿Le gustaría saber qué enfermedades va a desarrollar a lo largo de su vida y en qué momento exacto? ¿Cómo cambiaría su comportamiento, sus prioridades, si supiera que en cinco años va a tener un infarto? Este dilema hipotético está muy cerca de ser una realidad por el avance de la inteligencia artificial: investigadores del Instituto Europeo de Bioinformática, el Centro Alemán de Investigación Oncológica (DKFZ) y la Universidad de Copenhague publican hoy en Nature el desarrollo de Delphi-2M, un modelo inspirado en la tecnología GPT "capaz de estimar el riesgo de contraer más de 1.200 enfermedades en cualquier momento de la vida de un individuo", explica Tom Fitzgerald, uno de sus autores principales, en declaraciones a la SER.

Más de dos millones de datos clínicos reales para "leer el futuro" en salud

Los investigadores, como explican en Nature, han utilizado los datos de más de 1.000 enfermedades e información sanitaria de 402.799 personas registradas en el Biobanco del Reino Unido para entrenar a Delphi-2M. Después, han probado el modelo con datos del registro de enfermedades de Dinamarca, que incluye a casi dos millones de daneses. El resultado es una IA que "lee el futuro en términos de eventos de salud o, más bien, estima los riesgos de enfermedad más probables y su momento en el tiempo, y sigue siendo preciso en muchos casos hasta una década en el futuro", resume Tom Fitzgerald, investigador del Instituto Europeo de Bioinformática y uno de los autores principales del estudio financiado, entre otros, por la Fundación Novo Nordisk.

"Nuestro modelo muestra un alto rendimiento predictivo en un amplio conjunto de clases de enfermedades y actualmente incluye más de 1.200. Es capaz de estimar el riesgo de enfermedad para todas las enfermedades en cualquier momento de la vida de un individuo y hasta una década en el futuro", continúa Fitzgerald. En el artículo que publica Nature explican que lo que hace Delphi es "aprender trayectorias de salud a lo largo de la vida y predecir con precisión tasas futuras de más de 1.000 enfermedades simultáneamente, basándose en diagnósticos previos, factores de estilo de vida [consumo de alcohol o tabaco] y otros datos informativos". Y es importante el hecho de que funcione para tantas enfermedades a la vez porque ya existen, como apunta el propio artículo, algoritmos de predicción para enfermedades específicas, pero Delphi va mucho más allá.

Una atención personalizada y mejor planificación sanitaria

Entre las potenciales aplicaciones de una herramienta así está la posibilidad de perfeccionar sistemas de alerta temprana separando a la población en términos de riesgo relativo de enfermedad y momento probable de desarrollarla. "Este tipo de aplicaciones podrían impulsar posibles actividades de diagnóstico e intervención más tempranas, lo que mejoraría la prestación de atención médica", apunta Tom Fitzgerald. Un ejemplo claro es el de incluir en un programa de cribado para una enfermedad concreta a una persona que, según Delphi, tiene una alta probabilidad de desarrollarla pero no cumple todavía los criterios (de edad, por ejemplo) para hacerse esa prueba preventiva.

Pero Delphi podría ser muy útil también para los sistemas de salud, para "la planificación de la atención médica y la optimización de recursos a nivel nacional y local, porque un mejor conocimiento de las tasas probables de enfermedad a lo largo de varios años en el futuro podría ayudar a administrar mejor los recursos disponibles".

"El sesgo de inmortalidad": por qué Delphi no está lista para el uso clínico

La investigación que se puede leer completa en Nature pide cautela a la hora de utilizar modelos de IA para la predicción sanitaria y apuesta por "posicionarlos como complementos útiles a los sistemas de diagnóstico actuales, más que como reemplazos". Sobre todo, por los sesgos que han detectado en Delphi y que pueden reproducirse en otras IA. "Nuestro modelo tiene ciertas limitaciones y describimos un análisis extenso de los sesgos. Por ejemplo, el Biobanco de Reino Unido es una cohorte de voluntarios sanos y muestra, en promedio, menos enfermedades que la población general", explica Fitzgerald. Entre esos sesgos, destaca el que han llamado sesgo de inmortalidad.

"Debido a que todos los individuos estaban vivos en el momento del reclutamiento, nuestro modelo es extremadamente resistente a permitir que la probabilidad de muerte de cualquier individuo sea alta antes de los 40 años aproximadamente". Por eso, este investigador considera que el modelo "no está listo para el uso clínico" y apunta la necesidad de que pase "más pruebas y evaluaciones y que idealmente se entrene en conjuntos de datos de toda la población para minimizar cualquier sesgo potencial o subrepresentación de grupos de población específicos".

"¿Quién va a utilizar esos datos?": el debate ético alrededor del uso de IA en salud

El riesgo de error clínico por el sesgo en los datos de entrenamiento es uno de los problemas que plantea este tipo de herramientas para los expertos en ética médica, que reclaman, además, regulaciones más estrictas sobre el almacenamiento, gobernanza y uso de la información sobre pacientes reales que se utiliza para alimentar estos modelos. Como explica José María Domínguez Roldán, el presidente de la Comisión de Deontología y Ética Médica de la Organización Médica Colegial, "quién va a utilizar esos datos" es una de las cuestiones espinosas que deben ser abordadas antes de la generalización del uso de la IA en salud.

"Si los van a utilizar compañías aseguradoras, o incluso sistemas sanitarios públicos, porque no en todos los países son tan desarrollados como el que tenemos en España, y que de algún modo, efectivamente, podrían generarse prejuicios con determinados pacientes por su pronóstico o por el coste que pueda llevar asociado su tratamiento", explica el doctor Domínguez Roldán. En su opinión, es evidente la "extraordinaria utilidad" de herramientas como Delphi y sería "irresponsable" no usar la IA en medicina, pero siempre limitando su papel al de una herramienta más y regulando de forma estricta el uso de bases de datos sanitarias. "Primero, por la dificultad que existe ahora en la anonimización de datos, prácticamente es casi imposible, porque de algún modo se pueden reidentificar los pacientes; y por el uso de datos sanitarios sin el consentimiento informado de los ciudadanos, de los pacientes".