¿Cómo cambiarían tus hábitos y tus prioridades, si supieras que en cinco años vas a desarrollar una enfermedad autoinmune?
Un estudio de Nature (Nature) publicado por investigadores del Instituto Europeo de Bioinformática, el Centro Alemán de Investigación Oncológica (DKFZ) y la Universidad de Copenhague presenta Delphi-2M, una inteligencia artificial que predice el riesgo de más de 1.200 enfermedades y el momento probable en que pueden aparecer.
Se entrenó con datos de 402.799 personas del Biobanco del Reino Unido y se probó con casi 2 millones de registros de Dinamarca.
¿Cómo funciona?
Aprende de diagnósticos previos, hábitos como tabaco y alcohol, y otros factores de salud para estimar riesgos hasta 10 años en el futuro.
Permite mejorar la planificación sanitaria, personalizar cribados y optimizar recursos médicos.
Presenta sesgos por la composición de los datos y por eso no está lista para uso clínico directo.
Su uso debe ser complementario a diagnósticos actuales y requiere regulaciones estrictas sobre privacidad y ética.
El resultado es una IA que «lee el futuro en términos de eventos de salud o, más bien, estima los riesgos de enfermedad más probables y su momento en el tiempo, y sigue siendo preciso en muchos casos hasta una década en el futuro», resume Tom Fitzgerald, investigador del Instituto Europeo de Bioinformática y uno de los autores principales del estudio financiado, entre otros, por la Fundación Novo Nordisk.
La investigación que se puede leer completa en Nature pide cautela a la hora de utilizar modelos de IA para la predicción sanitaria y apuesta por «posicionarlos como complementos útiles a los sistemas de diagnóstico actuales, más que como reemplazos». Sobre todo, por los sesgos que han detectado en Delphi y que pueden reproducirse en otras IA. «Nuestro modelo tiene ciertas limitaciones y describimos un análisis extenso de los sesgos. Por ejemplo, el Biobanco de Reino Unido es una cohorte de voluntarios sanos y muestra, en promedio, menos enfermedades que la población general», explica Fitzgerald. Entre esos sesgos, destaca el que han llamado sesgo de inmortalidad. «Debido a que todos los individuos estaban vivos en el momento del reclutamiento, nuestro modelo es extremadamente resistente a permitir que la probabilidad de muerte de cualquier individuo sea alta antes de los 40 años aproximadamente». Por eso, los investigadores consideran que el modelo «no está listo para el uso clínico» y apunta la necesidad de que pase «más pruebas y evaluaciones y que idealmente se entrene en conjuntos de datos de toda la población para minimizar cualquier sesgo potencial o subrepresentación de grupos de población específicos».
