La historia clínica como un mapa para anticipar el riesgo de enfermedades

Acá, en la consulta, la historia clínica suele aparecer como un archivo extenso: análisis de sangre, recetas, diagnósticos, imágenes y notas que los profesionales interpretan por separado. Una nueva generación de sistemas de inteligencia artificial propone leerla como un recorrido único, ordenado en el tiempo, para intentar anticipar cómo cambiará el riesgo de enfermedades a lo largo de los años.

El procedimiento se conoce como tokenización del paciente. Cada evento médico se transforma en una unidad de información que conserva su lugar en la secuencia. El modelo, en lugar de evaluar un único resultado, integra el diagnóstico, el análisis, la imagen o la nota clínica para reconstruir la trayectoria de salud de una persona.

Cinco modelos, una misma pregunta

Los sistemas analizados en el material de base incluyen a Delphi-2M, que trabajó con diagnósticos y su secuencia temporal a partir de datos de casi dos millones de personas; Curiosity, que procesó más de 100.000 millones de eventos médicos de más de 100 millones de pacientes; Apollo, que combinó texto clínico, imágenes y registros estructurados; ALADYNOUILLI, que agregó información genética heredada y fue entrenado con más de 683.000 personas de tres biobancos; y AURORA, que integró siete tipos de datos en más de 425.000 individuos para estudiar envejecimiento, salud metabólica y respuesta a tratamientos.

No se pueden comparar como si fueran una misma prueba: las bases de datos, los criterios de evaluación y los horizontes temporales son diferentes. Aun así, todos comparten una limitación decisiva. Hasta ahora, ninguno demostró que actuar sobre sus predicciones produzca mejores resultados clínicos para los pacientes.

La utilidad está por demostrarse

• A nivel individual, podrían señalar cambios en el riesgo de distintas enfermedades y orientar el seguimiento médico.
• A nivel poblacional, podrían ayudar a estudiar patrones de envejecimiento, salud metabólica y respuesta a tratamientos.
• La anticipación de un riesgo no equivale, por sí sola, a una mejor estrategia de prevención o tratamiento.
• Antes de incorporar estos modelos a decisiones habituales, se necesitan pruebas que conecten la predicción con decisiones y resultados clínicos comprobables.