Una IA predice riesgos de padecer más de un millar de enfermedades con una década de antelación

Investigadores europeos han desarrollado un modelo de inteligencia artificial (IA) capaz de anticipar la probabilidad y el momento en que una persona podría sufrir más de un millar de enfermedades, con una precisión de hasta diez años en el futuro. El trabajo, publicado en la revista Nature, supone uno de los avances más amplios hasta la fecha en el uso de modelos generativos aplicados a la salud humana.

El sistema, inspirado en los algoritmos que impulsan los grandes modelos de lenguaje (LLMs), fue entrenado con datos anónimos de 400.000 voluntarios del UK Biobank y validado con los historiales de 1,9 millones de pacientes del Registro Nacional de Pacientes de Dinamarca. La investigación es fruto de una colaboración entre el Laboratorio Europeo de Biología Molecular (EMBL), el Centro Alemán de Investigación Oncológica (DKFZ) y la Universidad de Copenhague.

Aprender la “gramática” de la salud

La clave del modelo reside en que trata los historiales médicos como secuencias de eventos —diagnósticos, hábitos de vida como el tabaquismo, etc.— que se suceden en el tiempo. Igual que un LLM aprende la estructura del lenguaje, este sistema aprende la “gramática” de la salud para anticipar cómo evolucionará el estado de un individuo o una población.

“Es una prueba de concepto: hemos demostrado que la IA puede aprender nuestros patrones de salud a largo plazo y generar predicciones útiles”, explica Ewan Birney, director ejecutivo interino del EMBL. “Esto nos permite explorar cuándo emergen ciertos riesgos y cómo planificar intervenciones tempranas”.

El modelo destaca en enfermedades con trayectorias claras, como algunos tipos de cáncer, los infartos de miocardio o la septicemia, aunque es menos fiable en trastornos más variables, como los problemas de salud mental o las complicaciones asociadas al embarazo.

Predicciones como la meteorología

Al igual que un pronóstico del tiempo, el sistema no ofrece certezas, sino probabilidades. Por ejemplo, puede calcular que un hombre de entre 60 y 65 años tenga un riesgo de infarto que varía desde 4 de cada 10.000 al año hasta 1 de cada 100, según su historial clínico y estilo de vida. En las mujeres, el riesgo medio es menor, aunque con una variación similar.

Estas estimaciones, validadas con datos independientes del UK Biobank, reflejan con bastante fidelidad la incidencia real de los eventos en distintos grupos de edad y sexo. “Nuestro modelo aprende los patrones médicos y nos da una forma de explorar qué podría pasar basándonos en la historia clínica y factores clave”, detalla Tom Fitzgerald, científico del EMBL-EBI.

Un futuro prometedor, pero con cautela

Aunque aún no está listo para su uso clínico, el modelo ya puede ayudar a los investigadores a comprender cómo se desarrollan las enfermedades, evaluar la influencia de los hábitos de vida en la salud a largo plazo o simular resultados sanitarios con datos artificiales.

“Esto es el inicio de una nueva manera de entender la progresión de la salud y la enfermedad”, afirma Moritz Gerstung, responsable de la División de IA en Oncología del DKFZ. “Los modelos generativos como este podrían un día ayudar a personalizar la atención y anticipar necesidades sanitarias a gran escala”.

Los autores subrayan que la implementación práctica requerirá más pruebas, marcos regulatorios sólidos y una ampliación de las bases de datos para incluir poblaciones más diversas, ya que la muestra principal proviene de adultos de entre 40 y 60 años y refleja sesgos demográficos.

Privacidad y ética

El entrenamiento se llevó a cabo con datos anonimizados y bajo estrictos protocolos éticos. Los participantes del UK Biobank dieron su consentimiento informado, mientras que en Dinamarca los registros se procesaron dentro del propio país, conforme a su normativa. Los investigadores utilizaron sistemas virtuales seguros que evitaron la transferencia de datos transfronteriza.

Con poblaciones cada vez más envejecidas y un aumento sostenido de las enfermedades crónicas, los expertos consideran que este tipo de modelos podría convertirse en una herramienta esencial para planificar recursos sanitarios y reforzar la prevención.