Una IA que hojea toda tu historia clínica para adivinar qué te va a pasar

Te imaginás una sala de espera cualquiera del conurbano, esa donde la señora Mirta termina de acomodar las carpetas sobre las rodillas mientras mira el cartel de los turnos. Ella no lo sabe, pero lo que guarda ese legajo, los análisis del año pasado, la radiografía que le hicieron en 2019, la receta del cardiólogo y la del clínico, es exactamente el material con el que una camada nueva de sistemas de inteligencia artificial está aprendiendo a leer el futuro. La idea es tan simple como ambiciosa: en vez de mirar un solo dato aislado, juntar todo el recorrido médico de una persona, ordenado en el tiempo, para que el modelo pueda calcular qué enfermedad es más probable que aparezca y cuándo.

De la ficha al código: la "tokenización" del paciente

El procedimiento que hace posible esto se llama tokenización del paciente, un nombre técnico que en la práctica significa romper la historia clínica en pedacitos. Cada diagnóstico, cada resultado de laboratorio, cada imagen, cada nota escrita por el médico se transforma en una unidad básica de información, como una palabra dentro de una oración enorme. Cuando el sistema junta todas esas piezas en orden cronológico, arma la trayectoria de salud de una persona y puede ir calculando cómo se mueve el riesgo de cada enfermedad a lo largo de los años.

• Delphi-2M procesó diagnósticos y su secuencia temporal en casi dos millones de personas, mezclando datos del Biobanco del Reino Unido con registros daneses, para estimar la probabilidad de más de mil enfermedades.
• Curiosity llevó esa lógica a otra escala: trabajó con más de 100.000 millones de eventos médicos de más de 100 millones de pacientes.
• Apollo le agregó texto clínico e imágenes a los registros estructurados y acumuló tres décadas de atención.
• ALADYNOUILLI incorporó información genética heredada, entrenó con más de 683.000 personas de tres biobancos y se enfocó en patrones de enfermedad que cambian con la edad.
• AURORA integró siete tipos de datos distintos sobre más de 425.000 individuos para estudiar envejecimiento, salud metabólica y respuesta a tratamientos.

Los cinco modelos comparten el mismo entusiasmo de base pero no se pueden comparar cabeza a cabeza: usan bases distintas, criterios de evaluación distintos y miran ventanas de tiempo distintas. Sobre eso, los especialistas que los vienen siguiendo de cerca marcan un punto que no es menor y que a nosotros, los santiagueños de a pie, también nos tiene que quedar dando vueltas: ninguno de estos cinco sistemas demostró todavía que tomar una decisión médica a partir de su predicción sirva para que al paciente le vaya mejor de verdad. Predecir no es lo mismo que curar, ni tampoco que evitar.

Para qué podría servir y qué falta probar

Las aplicaciones que se imaginan van por dos carriles. En lo individual, estas herramientas podrían señalar en qué momento de la vida conviene reforzar controles, qué estudios pedir antes y a qué prestar atención cuando todavía no hay síntomas. A nivel de sistema, abren la puerta a repensar campañas de prevención y a distribuir recursos sanitarios mirando hacia adelante y no solo reaccionando a lo que ya pasó. Lo que falta, y acá está el truco, son ensayos clínicos serios que muestren que actuar sobre estas predicciones cambia la historia de la persona; mientras eso no ocurra, la promesa se parece mucho a una mesa servida sin que nadie se haya sentado todavía a comer. Mirta, mientras tanto, sigue esperando su turno y guardando esa carpeta como si fuera un tesoro: quién te dice que dentro de unos años, una máquina la lea entera y le avise, con años de anticipación, qué es lo que viene.