El modelo, desarrollado por científicos del Laboratorio Europeo de Biología Molecular (EMBL), del Centro Alemán de Investigación Oncológica (DKFZ) y de la Universidad de Copenhague, fue entrenado con información clínica de 400.000 personas del Reino Unido y se probó con datos de casi dos millones de personas en Dinamarca.

Bautizado Delphi-2M, el modelo pudo predecir la probabilidad de más de mil enfermedades basándose en el historial médico de una persona con una precisión igual o superior a la de otras herramientas.

Además, logró simular trayectorias de salud de hasta 20 años para una persona y generar datos sintéticos que protegen la privacidad de los pacientes pero siguen siendo útiles para entrenar otros modelos de IA.

Los autores defienden que su herramienta podría ayudar a identificar a las personas con mayor riesgo de padecer enfermedades, orientar los programas de detección y apoyar la planificación a largo plazo de los servicios sanitarios.

«Nuestro modelo de IA es una prueba de concepto que demuestra que es posible que la IA aprenda muchos de nuestros patrones de salud a largo plazo y utilice esta información para generar predicciones significativas», sostiene Ewan Birney, director ejecutivo interino del EMBL.

Confluencia de enfermedades

La IA ofrece potentes herramientas para identificar patrones en la progresión de las enfermedades mediante el análisis de grandes conjuntos de datos de historiales de pacientes, pero el potencial completo de estos modelos, especialmente a escala poblacional, sigue sin explorarse en gran medida.

En ese contexto, Delphi-2M fue entrenado para detectar patrones en la aparición de determinadas enfermedades en relación con otros eventos en los historiales de los pacientes, como factores relacionados con el estilo de vida y otras afecciones de salud.

«Los eventos médicos suelen seguir patrones predecibles. Nuestro modelo aprende esos patrones y puede pronosticar resultados de salud futuros. Nos permite explorar lo que podría suceder basándonos en el historial médico de una persona y otros factores claves», afirma Tom Fitzgerald, científico del Instituto Europeo de Bioinformática del EMBL (EMBL-EBI).

Según sus autores, el modelo funciona especialmente bien en afecciones con patrones de progresión claros y consistentes, como ciertos tipos de cáncer, ataques cardíacos y septicemia (infecciones en la sangre).

De interés: Cumbre global busca demostrar el bien que la IA puede hacer a la humanidad

DOBLE LLAVE

Con información de EFE Servicios

Fuente de imagen referencial: EFE/KAREN ARNOTT/EMBL-EBI

Visita nuestro canal de noticias en Google News y síguenos para obtener información precisa, interesante y estar al día con todo. También en X/Twitter e Instagram puedes conocer diariamente nuestros contenidos