La historia clínica entera, convertida en mapa de riesgos: lo que prometen cinco modelos de inteligencia artificial que predicen enfermedades con años de anticipación

Cuando uno entra a un consultorio en Buenos Aires y se sienta frente a la médica de cabecera, lo habitual es que la profesional abra la carpeta, busque los últimos análisis de sangre, lea la receta del cardiólogo y cruce esa información con lo que el paciente le cuenta en ese momento. Rara vez mira el expediente completo, de punta a punta, como si fuera una novela escrita a lo largo de décadas. Esa mirada de conjunto, justamente, es la que está empezando a cambiar de la mano de una nueva generación de sistemas de inteligencia artificial que se proponen leer la historia clínica entera de una persona, de principio a fin, para anticipar qué enfermedades podría desarrollar dentro de cinco, diez o veinte años.

De análisis aislados a una secuencia que recorre toda la vida

La técnica detrás de estos desarrollos tiene un nombre técnico, tokenización del paciente, pero la idea es bastante intuitiva: cada evento del historial médico, un diagnóstico, un valor de laboratorio, una radiografía, una nota escrita por el especialista, se transforma en una unidad de información ordenada en el tiempo. Una vez que esas piezas quedan encadenadas, el modelo reconstruye la trayectoria de salud y puede estimar cómo evoluciona el riesgo de distintas enfermedades a lo largo de los años, algo que hasta ahora quedaba librado a la intuición clínica y a la lectura fragmentada de los estudios.

Cinco proyectos recientes avanzaron en esa dirección, aunque con escalas y enfoques diferentes. Delphi-2M organizó diagnósticos y su secuencia temporal para calcular la probabilidad de más de mil enfermedades, con datos de casi dos millones de personas del Biobanco del Reino Unido y de registros daneses. Curiosity llevó el método a una escala mucho mayor y procesó más de cien mil millones de eventos médicos de más de cien millones de pacientes. Apollo sumó texto clínico e imágenes a los registros estructurados y trabajó con tres décadas de atención acumulada. ALADYNOUILLI incorporó información genética heredada y entrenó con más de 683.000 personas de tres biobancos, identificando patrones de enfermedad que cambian con la edad. AURORA, por su parte, integró siete tipos de datos distintos en más de 425.000 individuos para estudiar envejecimiento, salud metabólica y respuesta a tratamientos.

Lo que todavía no está probado

Estos cinco modelos no son directamente comparables, porque usan bases de datos distintas, criterios de evaluación diferentes y horizontes temporales que tampoco coinciden. Comparten, sin embargo, una limitación central que los propios investigadores reconocen: todavía ninguno demostró que tomar decisiones médicas a partir de sus predicciones mejore los resultados concretos de los pacientes. Es decir, pueden estimar riesgos con una precisión llamativa, pero nadie probó todavía que advertirle a alguien que tiene alta probabilidad de desarrollar determinada enfermedad sirva, en la práctica, para evitar que la desarrolle o para tratarla mejor.

• A nivel individual, los sistemas podrían señalar en qué momento de la vida una persona empieza a acumular factores de riesgo y sugerir controles específicos antes de que aparezcan síntomas.
• A nivel poblacional, las herramientas podrían ayudar a planificar recursos sanitarios, identificar grupos más vulnerables y diseñar campañas de detección temprana más afinadas.
• En todos los casos, los especialistas insisten en que la predicción estadística no reemplaza al juicio clínico ni a la conversación cara a cara entre médico y paciente.

Como periodista, lo que más me quedó dando vueltas después de leer estos trabajos es la distancia enorme que existe entre lo que la inteligencia artificial ya puede calcular y lo que todavía no pudo demostrar: que ese cálculo, traducido en una indicación médica concreta, termine cuidando de verdad la salud de la persona que se sienta en el consultorio. Por ahora, la promesa es enorme y los números son sorprendentes, pero la última palabra, la que define si todo esto sirve para algo más que para publicar papers, la siguen teniendo los médicos que miran a los pacientes a los ojos y les explican, con un lenguaje que no es de máquina, qué hacer con lo que les toca vivir.