Redacción: MaJo Gutiérrez
Un equipo de científicos ha desarrollado un modelo de inteligencia artificial capaz de predecir el riesgo de más de mil enfermedades con décadas de antelación, basándose en el historial médico de una persona. Bautizado como Delphi-2M, esta herramienta representa uno de los avances más significativos en la fusión de la ciencia y la IA en los últimos años. Este hito podría transformar radicalmente la atención médica, permitiendo diagnósticos más tempranos, reduciendo costos y, potencialmente, salvando incontables vidas. Aunque aún no está listo para su uso clínico generalizado, los primeros resultados han generado un optimismo sin precedentes en la comunidad científica.
El modelo fue desarrollado por investigadores del Laboratorio Europeo de Biología Molecular (EMBL), el Centro Alemán de Investigación Oncológica (DKFZ) y la Universidad de Copenhague. Fue entrenado con datos de más de 400,000 personas del Reino Unido y validado con información de casi dos millones de personas en Dinamarca. Delphi-2M logró predecir la probabilidad de más de mil enfermedades con una precisión comparable a la de otras herramientas, y en algunos casos, incluso superior.
Los creadores de Delphi-2M sostienen que esta herramienta podría ser clave para identificar a personas con mayor riesgo de padecer enfermedades, lo que permitiría orientar mejor los programas de detección y planificar de manera más eficiente los servicios de salud a largo plazo. Según Ewan Birney, director del EMBL, el modelo es una prueba de concepto de que la IA puede aprender de los patrones de salud a largo plazo para generar predicciones significativas. Tom Fitzgerald, científico del EMBL-EBI, agregó que el modelo permite explorar lo que podría suceder en la salud de una persona basándose en su historial médico y otros factores clave.
El modelo actual refleja los sesgos de los datos con los que fue entrenado, como la baja representación de ciertos grupos étnicos. Por ello, insisten en que las predicciones de Delphi-2M no deben ser utilizadas para tomar decisiones médicas directas sin pruebas adicionales. El modelo, al igual que las previsiones meteorológicas, ofrece probabilidades, no certezas. Es más fiable para enfermedades con patrones de progresión claros (como ciertos tipos de cáncer) y menos preciso en afecciones más variables (como los trastornos mentales). A pesar de estas advertencias, la herramienta ya podría ser de gran utilidad para los investigadores, ayudándolos a comprender mejor el desarrollo de las enfermedades y a simular resultados de salud para avanzar en la investigación.
461 Total Count
