M\u00e1s informaci\u00f3n<\/header>\n<\/aside>\nHoy, un grupo de investigadores del Instituto Europeo de Bioinform\u00e1tica, el DKFZ (Centro Alem\u00e1n de Investigaci\u00f3n del C\u00e1ncer) y varias instituciones danesas propone aplicar la misma tecnolog\u00eda que da vida a los grandes modelos de lenguaje \u2013como ChatGPT\u2013 para aprender y predecir la historia natural de m\u00e1s de mil enfermedades al mismo tiempo. El modelo resultante, bautizado como Delphi-2M, es capaz de identificar patrones de enfermedad a partir de historiales m\u00e9dicos, factores de estilo de vida y condiciones previas de salud. <\/p>\n
\u201cEl hallazgo m\u00e1s inesperado fue que el modelo puede predecir m\u00e1s de 1.000 enfermedades. Habr\u00edamos esperado que funcionara con algunas, pero que fallara con muchas otras. Esto muestra lo interconectadas que est\u00e1n muchas enfermedades y resalta la necesidad de investigar los mecanismos subyacentes que las conectan\u201d, explica sobre sus resultados Moritz Gerstung, director de la Divisi\u00f3n de Inteligencia Artificial en Oncolog\u00eda del DKFZ y coautor del estudio.<\/p>\n
El algoritmo ha sido entrenado con datos de 400.000 personas del Reino Unido y validado con registros de casi dos millones de pacientes en Dinamarca, y es capaz de proyectar trayectorias de salud, tanto a nivel poblacional como individual, de hasta dos d\u00e9cadas.<\/p>\n
Como sucede con las predicciones meteorol\u00f3gicas, este modelo no ofrece certezas, sino probabilidades. M\u00e1s que adivinar exactamente qu\u00e9 le ocurrir\u00e1 a una persona concreta en un momento determinado, calcula las probabilidades de que sufra ciertas enfermedades en un periodo concreto. Como sucede con el tiempo, las predicciones a corto plazo son m\u00e1s fiables que las que intentan predecir un futuro m\u00e1s lejano. Cuando se calculan si alguien sufrir\u00e1 un infarto en los pr\u00f3ximos 10 a\u00f1os, el modelo acierta alrededor de siete de cada diez casos. Cuando el periodo temporal se ampl\u00eda a las dos d\u00e9cadas, se queda en un 14%, algo superior al 12% que se logra sabiendo edad y sexo.<\/p>\n
Siguiendo con el caso del infarto, seg\u00fan el modelo, en la cohorte del Biobanco del Reino Unido, los hombres de entre 60 y 65 a\u00f1os pueden tener un riesgo anual de 4 de cada 10.000 hasta 1 de cada 100, dependiendo de sus antecedentes m\u00e9dicos y de sus h\u00e1bitos de vida. En las mujeres el riesgo medio es menor, pero la dispersi\u00f3n de probabilidades es parecida. Lo m\u00e1s relevante es que, al comparar las predicciones del modelo con datos reales del biobanco que no se usaron en el entrenamiento, se comprob\u00f3 que los riesgos calculados coincid\u00edan con la incidencia observada de casos en distintos grupos de edad y sexo. Esto demuestra que las estimaciones reflejan de forma fiel las tendencias poblacionales reales.<\/p>\n
Delphi-2M alcanza una precisi\u00f3n comparable a los mejores modelos espec\u00edficos para enfermedades como la demencia o el infarto de miocardio, y supera a los algoritmos de predicci\u00f3n de mortalidad. Solo en el caso de la diabetes, un marcador del an\u00e1lisis de sangre (la hemoglobina glicosilada HbA1c) sigue siendo m\u00e1s fiable. Adem\u00e1s, el estudio identific\u00f3 enfermedades que incrementan el riesgo de sufrir otras, como los trastornos mentales o algunos tumores del aparato reproductivo femenino. <\/p>\n
Sobre la posibilidad de que conocer con tanta antelaci\u00f3n de enfermedades que solo son una posibilidad nos convierta a todos en enfermos preventivos, Gerstung cree que hacen falta m\u00e1s estudios para plantear c\u00f3mo este conocimiento puede beneficiar a los pacientes. Eso requerir\u00eda que las posibles aplicaciones de la IA como asistente de la medicina \u201cdeber\u00edan probarse en ensayos cl\u00ednicos aleatorizados, en los que un grupo reciba visitas m\u00e9dicas con apoyo de IA y otro grupo sin \u00e9l. Tras un per\u00edodo de seguimiento, se evaluar\u00e1 si el grupo asistido por IA obtuvo mayores beneficios en comparaci\u00f3n con las consultas tradicionales\u201d, apunta. \u201cEsto tambi\u00e9n puede incluir evaluaciones subjetivas del bienestar de las personas para valorar los efectos emocionales de conocer o no sus riesgos\u201d, concluye.<\/p>\n
En el apartado de posibles riesgos de una herramienta tan potente de predicci\u00f3n de la salud, como la discriminaci\u00f3n por parte de las aseguradoras de pacientes con riesgos que les hacen poco interesantes como clientes, Guillermo Lazcoz, miembro del Comit\u00e9 de \u00c9tica de la Investigaci\u00f3n del Instituto de Salud Carlos III, considera que la aplicaci\u00f3n de la IA al procesado de grandes bases de datos de salud a\u00f1ade \u201cuna capa m\u00e1s de riesgos a los que ya conoc\u00edamos\u201d, como que estos datos acaben en manos de un banco que los utilice para saber, antes de conceder un cr\u00e9dito, si el cliente es propenso a contraer un tipo de c\u00e1ncer o tener un infarto. <\/p>\n
\u201cLa IA puede identificar a una persona a partir de datos que se supon\u00edan an\u00f3nimos, lo que exige nuevas medidas de protecci\u00f3n\u201d, contin\u00faa Lazcoz. Para aplicar estas medidas, \u201cen Europa se est\u00e1n desarrollando espacios seguros del tratamiento de datos, donde el dato no viaja y el acceso a terceros est\u00e1 limitado en el tiempo y a un prop\u00f3sito\u201d, explica. Por \u00faltimo, advierte de que no es lo mismo hablar de organizaciones como el Biobanco del Reino Unido, utilizado en el estudio que hoy publica Naturaleza<\/i>que cuenta con estrictos controles, que de empresas como 23andMe, en la que uno puede analizar su ADN para conocer su linaje y que ya se ha visto envuelta en esc\u00e1ndalos por problemas con la protecci\u00f3n de datos.<\/p>\n
Mikel Recuero, investigador de la Universidad del Pa\u00eds Vasco (EHU) y abogado especializado en protecci\u00f3n de datos, coincide en que, al menos en el \u00e1mbito europeo, hay muchas capas de control que buscan impedir el uso indebido de datos biom\u00e9dicos. \u201cEl acceso a biobancos ya implica un primer filtro \u00e9tico, porque los investigadores deben justificar la finalidad cient\u00edfica de su solicitud y no pueden emplear muestras con fines espurios\u201d, se\u00f1ala. \u201cA ello se suman los controles de protecci\u00f3n de datos: si la informaci\u00f3n es identificable, la normativa obliga a restringir su uso a los prop\u00f3sitos autorizados, evitando, por ejemplo, las aplicaciones en seguros o banca\u201d, a\u00f1ade. <\/p>\n
En este sentido, \u201cel nuevo reglamento del espacio europeo de datos de salud refuerza esta l\u00f3gica al prohibir expresamente decisiones comerciales \u2014como la modificaci\u00f3n de primas de un seguro\u2014 basadas en informaci\u00f3n gen\u00e9tica\u201d, asevera. \u201cAunque los riesgos nunca desaparecen del todo, existen mecanismos sucesivos (\u00e9ticos, regulatorios, jur\u00eddicos) que act\u00faan de forma preventiva, limitando las posibilidades de discriminaci\u00f3n y obligando a acreditar un beneficio social en cada proyecto que vaya a usar estos datos\u201d, concluye.<\/p>\n
Los modelos como GPT-4 o Gemini aprenden el lenguaje como una secuencia de palabras. Predicen la siguiente palabra en funci\u00f3n del contexto y los investigadores vieron una analog\u00eda con la salud. El historial m\u00e9dico de una persona tambi\u00e9n puede entenderse como una secuencia de eventos \u2013diagn\u00f3sticos, factores de riesgo, h\u00e1bitos de vida\u2013 que siguen un orden temporal para hacer predicciones.<\/p>\n
De momento, el modelo se debe mejorar para tener utilidad para cuidar la salud de pacientes reales, pero ya es una herramienta \u00fatil para entender mejor c\u00f3mo se desarrollan las enfermedades y c\u00f3mo progresan, o evaluar los efectos del estilo de vida o las enfermedades pasadas influye en el riesgo de enfermedades futuras.<\/p>\n
Uno de los aspectos m\u00e1s innovadores del trabajo es la capacidad de Delphi para generar datos de salud sint\u00e9ticos. A partir de informaci\u00f3n parcial, el modelo puede imaginar trayectorias completas que mantienen las mismas propiedades estad\u00edsticas que los datos reales, pero sin corresponderse con ninguna persona en particular. Esto protege la privacidad de los pacientes, ya que los datos no pueden vincularse a individuos reales y permiten entrenar otros modelos de IA sin necesidad de acceder a datos cl\u00ednicos sensibles. As\u00ed se podr\u00eda, por ejemplo, calcular qu\u00e9 le puede pasar a la salud de la poblaci\u00f3n si se incrementa la obesidad en un 5%.<\/p>\n
Ahora, ya hay algoritmos que predicen el riesgo de sufrir algunas enfermedades, como los problemas cardiacos o el c\u00e1ncer de mama, pero ese enfoque no abarca la complejidad real de la salud humana, en la que, muchas veces, conviven m\u00faltiples enfermedades que se condicionan entre ellas. En unas sociedades cada vez m\u00e1s envejecidas, ser\u00e1 cr\u00edtica la capacidad para prever la carga de muchas enfermedades y dise\u00f1ar pol\u00edticas e inversiones para intentar prevenirlas y estar preparados cuando lleguen. <\/p>\n<\/div>\n\n","protected":false},"excerpt":{"rendered":"
En el mundo de la prevenci\u00f3n y la medicina personalizada, es clave la capacidad de prever con mucho tiempo de antelaci\u00f3n, incluso d\u00e9cadas, la posibilidad de que una enfermedad aparezca, para atajar los procesos que la producir\u00edan mucho antes de que haya empezado a hacer da\u00f1o. Eso es lo que parece que se puede lograr …<\/p>\n","protected":false},"author":1,"featured_media":43947,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"fifu_image_url":"https:\/\/imagenes.elpais.com\/resizer\/v2\/B2EJERWWSJAXXCKLLFEE37JAKI.jpg?auth=ddfcbbe33be92d551a983a256915d696184c5fcfd9d9b73877dbc19787fd7c4d&width=1200","fifu_image_alt":"","footnotes":""},"categories":[2],"tags":[],"class_list":["post-43945","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-tecnologia"],"_links":{"self":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/posts\/43945","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=43945"}],"version-history":[{"count":0,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/posts\/43945\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=\/wp\/v2\/media\/43947"}],"wp:attachment":[{"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=43945"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=43945"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/noticiasveraces.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=43945"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![](\"https:\/\/imagenes.elpais.com\/resizer\/v2\/B2EJERWWSJAXXCKLLFEE37JAKI.jpg?auth=ddfcbbe33be92d551a983a256915d696184c5fcfd9d9b73877dbc19787fd7c4d\")
<\/p>\n