Inteligencia artificial que lee toda la historia clínica: la nueva apuesta de la medicina para anticipar enfermedades

La mañana se levantó gris en esta Buenos Aires de octubre, con esa llovizna finita que no termina de mojar pero deja todo pegajoso, y la pregunta que ronda los pasillos de los hospitales y los congresos de medicina es cada vez más concreta: ¿puede una máquina leer la historia clínica completa de una persona y anticiparle, con años de antelación, qué enfermedad va a tener? Cinco desarrollos recientes de inteligencia artificial dicen que están cerca de eso, y los números que manejan marean: entrenaron con datos de entre 683.000 y más de 100 millones de pacientes.

La idea central tiene un nombre técnico, tokenización del paciente, y una lógica bastante accesible: tomar cada evento del historial médico, un análisis de sangre, una receta, un diagnóstico, una radiografía, una nota del médico, y convertirlo en una pieza ordenada en el tiempo. Al juntar todas esas piezas, el modelo reconstruye la trayectoria de salud de la persona y estima cómo evoluciona el riesgo de más de mil enfermedades a lo largo de los años.

Los cinco modelos que marcan el pulso de esta nueva ola

• Delphi-2M: organizó diagnósticos y su secuencia temporal para calcular la probabilidad de más de 1.000 enfermedades, con datos de casi dos millones de personas del Biobanco del Reino Unido y registros daneses.
• Curiosity: llevó el enfoque a una escala mayor y procesó más de 100.000 millones de eventos médicos de más de 100 millones de pacientes.
• Apollo: sumó texto clínico e imágenes a los registros estructurados y trabajó con tres décadas de atención acumulada.
• ALADYNOUILLI: incorporó información genética heredada y entrenó con más de 683.000 personas de tres biobancos, identificando patrones de enfermedad que cambian con la edad.
• AURORA: integró siete tipos de datos distintos en más de 425.000 individuos para estudiar envejecimiento, salud metabólica y respuesta a tratamientos.

Acá abajo, en los centros de salud de la provincia, la discusión todavía suena lejana, pero Marta Rodríguez, vecina de Lanús que hace cuarenta años se atiende en el hospital público, lo resume con la claridad que muchas veces tienen los que esperan horas en una guardia: a mí me gustaría que alguien me diga con tiempo lo que me puede pasar, no el día que ya estoy internada, cuenta mientras acomoda unos estudios en un folio amarillento.

Porque esa es, justamente, la promesa que sobrevuela a estos cinco sistemas: anticiparse. A nivel individual, podrían señalar en qué momento de la vida conviene controlar la presión, cuándo hacer una segunda mamografía, qué fármaco puede funcionar mejor según el perfil genético de cada uno. A nivel poblacional, ayudaría a los sistemas de salud a planificar recursos y a los investigadores a entender cómo se conectan enfermedades que hoy se tratan por separado, como la diabetes, el deterioro cognitivo o los problemas cardiovasculares.

La advertencia que nadie quiere pasar por alto

Estos modelos no son directamente comparables, porque usan bases de datos, criterios de evaluación y horizontes temporales distintos. Pero comparten una limitación central, y los propios especialistas la subrayan con firmeza: todavía ninguno demostró que tomar decisiones médicas a partir de sus predicciones mejore los resultados concretos de los pacientes. Es decir, pueden estimar riesgos con bastante precisión, pero falta probar que actuar sobre esos avisos sirva, en la práctica, para vivir más o vivir mejor.

“Predecir está bien, pero la pregunta de fondo es si esa predicción cambia algo en la consulta del jueves a la mañana.”doctor Enrique Vázquez, clínico de un hospital porteño