Un grupo internacional de científicos ha dado un paso clave hacia el futuro de la medicina personalizada con el desarrollo de una inteligencia artificial capaz de predecir la aparición de enfermedades con décadas de antelación. El modelo, llamado Delphi-2M, se basa en el análisis de historiales médicos masivos y ya ha mostrado resultados prometedores, aunque todavía plantea desafíos éticos y metodológicos significativos.
Creado por investigadores del Laboratorio Europeo de Biología Molecular (EMBL), el Centro Alemán de Investigación Oncológica (DKFZ) y la Universidad de Copenhague, Delphi-2M fue entrenado con los datos clínicos de más de 400.000 pacientes británicos y validado con información de dos millones de personas en Dinamarca.
El modelo puede estimar el riesgo y el momento probable de aparición de más de mil enfermedades distintas. Entre ellas, condiciones con patrones claramente definidos como ciertos tipos de cáncer, ataques cardíacos y septicemia, donde Delphi-2M demostró una precisión similar o superior a la de las herramientas actuales.
Además, tiene la capacidad de simular trayectorias de salud de hasta 20 años, lo que podría permitir a los médicos planificar intervenciones anticipadas y enfocar los esfuerzos preventivos en los pacientes con mayor riesgo. El modelo incluso puede generar datos sintéticos, respetando la privacidad de los pacientes reales, pero conservando el valor estadístico necesario para entrenar otros modelos.
Según Ewan Birney, director interino del EMBL, Delphi-2M demuestra que la inteligencia artificial puede captar patrones profundos en los datos clínicos humanos. “Estamos ante una prueba de concepto potente que marca el camino hacia una medicina más personalizada y preventiva”, afirmó.
No obstante, el sistema aún tiene limitaciones significativas. Los investigadores subrayan que no se trata de un oráculo médico, sino de una herramienta que ofrece estimaciones de probabilidad, comparables a las proyecciones meteorológicas. Además, está sesgado por los datos de entrenamiento, lo que reduce su fiabilidad en poblaciones subrepresentadas o en enfermedades con evolución menos predecible.
Entre las debilidades del modelo, se destaca su baja precisión en trastornos mentales o complicaciones relacionadas con el embarazo, donde los factores personales y sociales inciden de forma menos estructurada y más imprevisible.
El investigador Tom Fitzgerald, del Instituto Europeo de Bioinformática (EMBL-EBI), explicó que Delphi-2M aprende de secuencias clínicas históricas para prever futuras afecciones. “Nos permite explorar escenarios hipotéticos basados en combinaciones reales de eventos médicos”, detalló.
Los desarrolladores insisten en que el modelo no está listo para usarse en diagnósticos individuales, pero ya puede ser útil para la planificación sanitaria, el diseño de políticas públicas y la investigación científica sobre la progresión de enfermedades a nivel poblacional.
Delphi-2M podría ayudar también a analizar cómo factores de estilo de vida o afecciones previas afectan al riesgo de enfermedad a largo plazo. Al simular resultados de salud con pacientes sintéticos, se abre una vía de análisis en situaciones donde el acceso a datos reales es limitado o sensible.
“Este es solo el principio”, aseguró Moritz Gerstung, jefe de la División de IA en Oncología del DKFZ. “Estamos ante una nueva forma de entender la salud humana, una herramienta con el potencial de cambiar cómo nos anticipamos a las enfermedades”.
El avance representa una frontera prometedora entre la inteligencia artificial y la salud pública, pero también plantea interrogantes sobre la privacidad, la equidad médica y el uso ético de predicciones clínicas. Aún falta camino para que estas tecnologías se integren con plena confianza en la práctica médica cotidiana.
