Cuando la historia clínica deja de ser un archivo y se vuelve una brújula: la inteligencia artificial que predice enfermedades con años de anticipación

El consultorio está fresco esta mañana de julio, aunque afuera el termómetro marca apenas nueve grados y una garúa finísima se pega contra los vidrios. La médica de cabecera abre la carpeta de Marta, una jubilada de 63 años que vive en Villa Urquiza, y empieza a pasar hojas: análisis de 2019, una placa de 2021, una receta de 2022, un control de presión de la semana pasada. Son piezas sueltas, cada una con su lógica, que el ojo humano lee una por una. Pero ahora, en distintos laboratorios del mundo, hay sistemas de inteligencia artificial entrenados para leer todo ese recorrido junto, como si fuera una novela, y anticipar qué capítulos de enfermedad podrían venir.

Una idea simple, enorme: convertir la vida médica en una secuencia

La técnica tiene un nombre técnico, tokenización del paciente, pero la idea es bastante cercana. Cada evento de la historia clínica, un diagnóstico, un valor de laboratorio, una imagen, una nota médica, se transforma en una unidad de información ubicada en una línea de tiempo. Cuando esas unidades se encaran, el modelo reconstruye la trayectoria de salud de la persona y puede calcular cómo cambia el riesgo de distintas enfermedades con el correr de los años. En lugar de mirar un dato aislado, la máquina mira la película completa.

Como me lo contaba la semana pasada Jorge, un vecino de Belgrano que trabaja en informática médica, cada vez que vamos al médico dejamos una huella digital que casi nadie mira en conjunto. Estos nuevos sistemas son, justamente, los que se animan a mirarla.

Cinco modelos que ya están en carrera

Cinco desarrollos recientes avanzaron en esa dirección, con bases de datos enormes:

• Delphi-2M organizó diagnósticos y su secuencia temporal para calcular la probabilidad de más de mil enfermedades, con datos de casi dos millones de personas del Biobanco del Reino Unido y de registros daneses.
• Curiosity llevó el enfoque a una escala mayor: 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.

La advertencia que comparten los especialistas

Estos cinco modelos no son directamente comparables, porque usan bases de datos, criterios de evaluación y horizontes temporales distintos. Comparten, sin embargo, una limitación central que los propios investigadores se ocupan de remarcar: todavía ninguno demostró que tomar decisiones médicas a partir de sus predicciones mejore los resultados concretos de los pacientes. Saber que alguien tiene alta probabilidad de desarrollar cierta enfermedad dentro de cinco o diez años no significa, todavía, que existan intervenciones capaces de cambiar ese destino, ni que aplicarlas temprano sirva para algo. La predicción, por ahora, corre más rápido que la medicina que debería aprovecharla.

Vuelvo a la imagen de la mañana: Marta sale del consultorio con su carpeta bajo el brazo, la misma carpeta de siempre, mientras la garúa sigue cayendo sobre Villa Urquiza. Por ahora, nadie le ofreció esa lectura integral de su historia. Pero el campo avanza rápido, y la pregunta de fondo ya no es si la inteligencia artificial va a poder anticipar enfermedades a partir de toda la historia clínica, algo que estos modelos empiezan a mostrar que es posible, sino si el sistema de salud va a estar listo para actuar, a tiempo y con criterio, cuando esa predicción llegue.