A María Inés, vecina del barrio porteño de Caballito, le detectaron diabetes tipo 2 a los 52 años después de años de análisis dispersos en distintos centros de salud, sin que nadie leyera su historia clínica como un todo. Esa fragmentación del recorrido médico de cada persona empieza a quedar atrás con una nueva generación de sistemas de inteligencia artificial que toman el historial completo, desde los análisis de sangre hasta las recetas, las imágenes y las fechas de cada consulta, y lo transforman en una secuencia que el modelo puede interpretar para anticipar enfermedades con años de anticipación.

La tokenización del paciente, explicada paso a paso

El procedimiento que hace posible este salto se llama tokenización del paciente, un concepto que en criollo significa convertir cada evento del historial, ya sea un diagnóstico, un resultado de laboratorio, una placa o una nota del médico, en una unidad básica de información ordenada en el tiempo. Una vez reunidas esas piezas, el modelo reconstruye la trayectoria de salud de la persona y estima cómo evoluciona el riesgo de distintas enfermedades a lo largo de los años, en lugar de quedarse con un dato suelto como se hacía hasta ahora.

• Delphi-2M: organizó diagnósticos y su secuencia temporal para calcular la probabilidad de más de 1.000 enfermedades, entrenado con casi dos millones de personas del Biobanco del Reino Unido y 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.

Como aclaración para el lector que no esté familiarizado con el término, un biobanco es una gran base de datos que guarda muestras biológicas e información clínica de miles o millones de personas durante muchos años, lo que permite investigar cómo se desarrollan las enfermedades a lo largo del tiempo.

Lo que estos modelos todavía no pueden prometer

Más allá del entusiasmo que despierta la idea de mirar el historial completo en vez de analizar dato por dato, los cinco desarrollos comparten una limitación central que los propios investigadores reconocen: ninguno demostró todavía que tomar decisiones médicas a partir de sus predicciones, por ejemplo adelantar un tratamiento o cambiar la frecuencia de los controles, termine mejorando los resultados concretos de los pacientes en la práctica clínica, algo que para especialistas consultados por este medio sigue siendo el examen pendiente que estos sistemas todavía no aprobaron, y que convierte a la promesa de anticipar enfermedades en una herramienta en construcción más que en una solución lista para aplicar de manera masiva en los consultorios de la Argentina y del mundo.