¿Se imagina que un algoritmo pudiera anticipar cómo será su salud dentro de 5, 10 o incluso 20 años? No hablamos de ciencia ficción, sino de un avance real publicado recientemente en la revista Nature: el modelo Delphi-2M, un sistema de inteligencia artificial que puede prever la evolución clínica de las personas a lo largo de su vida.
Hasta ahora, la mayoría de algoritmos médicos de IA se habían centrado en detectar patrones en los historiales clínicos para ayudar a diagnosticar enfermedades. Es decir, respondían a la pregunta de qué tiene un paciente. Delphi-2M da un salto mucho mayor: se centra en qué le pasará, y lo hace simulando trayectorias de salud completas, incluyendo enfermedades futuras, complicaciones y hasta la influencia de factores como la obesidad, el tabaco o el alcohol.
Una máquina del tiempo médica:
La gran novedad de Delphi-2M es que incorpora el tiempo como variable central. No se limita a calcular si alguien puede tener diabetes o cáncer "algún día", sino que predice cuándo ocurrirá el siguiente evento de salud y, a partir de ahí, proyecta el siguiente, y el siguiente, como si de una cadena se tratara. Esto lo convierte en una especie de máquina del tiempo médica, capaz de anticipar décadas de evolución de un paciente.
Este enfoque dinámico se asemeja más a cómo funciona la vida real: la salud no es estática, sino una secuencia de acontecimientos que se encadenan, influyen unos en otros y marcan nuestro recorrido vital.
Un "modelo pequeño" que sorprende:
Lo más curioso es que este avance no se ha logrado con los gigantescos modelos de IA de moda, que requieren millones de euros y enormes infraestructuras. Delphi-2M, parte de GPT-2, un modelo relativamente pequeño y considerado casi obsoleto en comparación con los actuales. Sin embargo, tras ser reentrenado con los datos clínicos de más de 400.000 pacientes británicos, ha conseguido resultados extraordinarios.
Esto refuerza la idea de que no hace falta depender de las grandes corporaciones tecnológicas para aplicar la IA a la medicina: modelos medianos, entrenados de forma local en hospitales o centros de investigación, pueden ser igual o más útiles. Además, esto reduce el riesgo de tener que compartir información sensible de pacientes en la nube.
Más de mil enfermedades a la vez:
Otra de las características revolucionarias de Delphi-2M es su capacidad para predecir más de 1.000 enfermedades simultáneamente. Frente a los algoritmos diseñados para una sola patología —como la insuficiencia cardíaca o la diabetes—, este modelo entiende que la salud es un sistema interconectado, donde todo influye en todo.
Por ejemplo, sufrir hipertensión no solo aumenta el riesgo de un infarto, sino que también puede estar relacionado con problemas renales o cerebrovasculares. Delphi-2M integra esas conexiones de manera global, lo que lo hace mucho más realista y potente.
Funciona más allá de las fronteras:
Uno de los problemas habituales de la IA en medicina es que suele funcionar bien en el hospital o país donde se entrena, pero pierde eficacia al aplicarse en otro lugar. Delphi-2M ha superado en parte esa limitación. Tras entrenarse con pacientes del Reino Unido, fue validado en 1,8 millones de personas en Dinamarca, y su precisión apenas cayó. Esto sugiere que el modelo no solo detecta patrones locales, sino que capta dinámicas universales de la evolución de las enfermedades.
Lo que significa para la sanidad:
Las implicaciones son enormes. Para los médicos, supone una herramienta capaz de anticipar riesgos individuales y planificar seguimientos personalizados. Para los sistemas sanitarios, abre la puerta a prever cómo evolucionará la carga de enfermedad de una población entera en los próximos 10 o 20 años, lo que ayudaría a planificar recursos, diseñar campañas de prevención o priorizar inversiones.
Y para las empresas tecnológicas, demuestra que los grandes modelos de lenguaje —como los que ya usamos a diario en asistentes de texto— pueden tener aplicaciones reales y rentables en medicina.
Una ventana al futuro:
Delphi-2M no está exento de limitaciones: sus predicciones reflejan correlaciones estadísticas, no certezas, y todavía puede reproducir sesgos de los datos con los que se entrena. Pero el salto conceptual es innegable. Hemos pasado de algoritmos que ayudan a diagnosticar el presente a modelos que son capaces de proyectar nuestro futuro clínico.
La medicina del futuro será, en gran parte, una medicina de la anticipación. Y con Delphi-2M, ese futuro acaba de dar un paso de gigante hacia el presente. (O)
