Un equipo de investigadores ha desarrollado Delphi-2M, un modelo de inteligencia artificial (IA) basado en GPT-2 que puede predecir el riesgo de más de mil 250 enfermedades con hasta dos décadas de anticipación.
Este modelo utiliza variables como edad, género, índice de masa corporal y factores de estilo de vida para predecir el riesgo de enfermedad. Aprende la “gramática” de los datos de salud para modelar los historiales médicos como secuencias de eventos que se desarrollan a lo largo del tiempo.
Moritz Gerstung, coautor del estudio y científico de datos del Centro Alemán de Investigación del Cáncer en Heidelberg, mencionó que con las herramientas actuales “un profesional de la salud tendría que ejecutar docenas de ellas para ofrecer una respuesta completa”.
Delphi-2M fue diseñado para superar esta limitación. Se trata de una versión personalizada de GPT-2, el modelo de lenguaje de gran tamaño (LLM, por sus siglas en inglés) de OpenAI, entrenado con datos de 400 mil pacientes del Biobanco del Reino Unido, superando a precisión de otros sistemas de IA especializados en una sola enfermedad.
Además de estimaciones individuales, el modelo fue calibrado para calcular la frecuencia con la que ciertas afecciones podrían presentarse en grupos completos de personas.
El rendimiento de Delphi-2M se verificó con datos de 1.9 millones de pacientes del Registro Nacional de Pacientes de Dinamarca. En este ensayo, sus pronósticos fueron ligeramente menos precisos que los obtenidos con los datos de entrenamiento, lo que indica que puede aplicarse con confiabilidad al análisis de sistemas nacionales de salud de distintos países.
Una de sus características más innovadoras es la capacidad de generar datos de salud sintéticos. A partir de estadísticas reales, el modelo puede proyectar trayectorias futuras de enfermedades sin comprometer la identidad ni la privacidad de los pacientes.
Esto permite, por ejemplo, entrenar otros modelos de IA para estudiar la progresión de padecimientos sin usar datos clínicos confidenciales, lo que podría reducir de forma significativa los tiempos de investigación.
Alguas de las observaciones que los investigadores han formulado respecto a Delphi-2M, giran en torno a que si bien el sistema es eficaz para predecir enfermedades con patrones de progresión claros y consistentes, como diabetes o infartos; su desempeño podría ser menor en diagnósticos que dependen de factores ambientales o de variaciones genéticas muy específicas, como ocurre con algunas infecciones o enfermedades poco frecuentes.
Asimismo, la mayoría de los datos de entrenamiento corresponden a pacientes de entre 40 y 60 años, por lo que los pronósticos para población infantil o adolescente están subrepresentados. Además, el sistema presenta sesgos demográficos y étnicos que deberán corregirse en futuras investigaciones.
Por ello, los investigadores advierten que los resultados deben interpretarse con la misma cautela que un pronóstico meteorológico: el modelo no describe con total exactitud la salud futura de una persona, sino que ofrece estimaciones sobre la probabilidad de que aparezca una afección en un periodo determinado.
Aunque Delphi-2M aún no está aprobado para uso clínico, sus creadores afirman que ya puede emplearse para comprender cómo se desarrollan y progresan las enfermedades a lo largo del tiempo, explorar su interacción con factores de estilo de vida y simular resultados de salud mediante datos artificiales en escenarios hipotéicos.
Datos a destacar
Delphi-2M puede predecir el riesgo de más de mil 250 enfermedades con hasta dos décadas de anticipación.
Aunque Delphi-2M aún no está aprobado para uso clínico, sus creadores afirman que ya puede emplearse para comprender cómo se desarrollan y progresan las
enfermedades a lo largo del tiempo.
Texto y fotos: Manuel Pool
