Unos científicos aseguran haber desarrollado una IA para predecir las enfermedades que tendrás en los próximos 20 años

Una inteligencia artificial desarrollada por científicos europeos es capaz de anticipar las patologías que pueden afectar a una persona en un horizonte temporal de dos décadas, aseguran en la revista Nature.

El futuro de la medicina podría ser radicalmente distinto gracias a la incorporación de la IA.

Más que una recopilación de episodios del pasado relacionados con nuestra salud, el historial médico podría convertirse en breve en un mapa hacia el futuro.

Un equipo internacional de investigadores europeos ha presentado una inteligencia artificial (IA) capaz de anticipar el riesgo de desarrollar más de mil enfermedades en un horizonte de hasta veinte años, según un estudio publicado recientemente en la revista Nature.

El modelo, llamado Delphi-2M, analiza historiales clínicos, factores demográficos como sexo o edad, el índice de masa corporal y hábitos como fumar o beber alcohol para hacer sus predicciones que, aunque no son evitables, ofrecen una ventana de anticipación que podría transformar radicalmente la medicina preventiva y la gestión sanitaria.

Cómo funciona Delphi-2M

El punto de partida de los investigadores fueron los inmensos bancos de datos del UK Biobank, un repositorio del Reino Unido con más de 400.000 participantes.

El modelo se entrenó con sus historiales médicos, que incluyen diagnósticos de enfermedades previas, edad, sexo, hábitos perjudiciales para la salud o índice de masa corporal, además de la información relativa a su muerte en el caso de los participantes ya fallecidos.

Además, para evaluar su capacidad de generalización, los científicos también validaron Delphi-2M con registros nacionales de salud de Dinamarca, que abarcan cerca de 1,9 millones de personas.

El modelo está basado en arquitecturas similares a las usadas en modelos de lenguaje, pero adaptadas para manejar eventos médicos en el tiempo. Es decir, en lugar de tratar palabras, trabaja con diagnósticos, hábitos y otros datos, ordenados en una secuencia temporal de “acontecimientos”.

De este modo, no solo incorpora qué condiciones ha sufrido una persona, sino en qué orden, con qué intervalo, y cómo factores como la edad en cada uno de esos eventos modifican el riesgo futuro.

Qué predice y con qué precisión

Según los autores del estudio, Delphi-2M tiene capacidad para estimar la incidencia futura de más de un millar de enfermedades diferentes.

Puede generar trayectorias de salud individuales que muestran posibles diagnósticos futuros: tanto las probabilidades de padecer ciertas enfermedades como el momento en el que podrían aparecer, eso sí, siempre dentro de rangos probabilísticos.

Tras el éxito de la aplicación de la robótica a la medicina, como el Da Vinci, ahora la IA se perfila como la gran revolución en este campo.

En algunas patologías, como enfermedades cardiovasculares, ciertos tipos de cáncer o infecciones graves como la septicemia, Delphi-2M iguala o supera la precisión de modelos actuales, que solo son capaces de predecirlas individualmente.

¿Dónde es menos certera?

En cambio, el Delphi-2M tiene más dificultades para predecir aquellas dolencias que dependen de condiciones más variables. Es el caso de algunas enfermedades mentales, complicaciones impredecibles o aquellas que dependen de factores del entorno que no se contemplan en los historiales usados.

Por eso, para mejorar la precisión del modelo deben integrarse datos adicionales que vayan más allá de los recopilados en la historia clínica tradicional. Por ejemplo, biomarcadores, genética, condiciones ambientales y un estilo de vida más detallado.

Ventajas y posibles aplicaciones

Aunque prometedor, Delphi-2M aún no está listo para uso clínico general. Sin embargo, el perfeccionamiento del modelo podría ser de gran utilidad en un futuro próximo en los siguientes campos:

  • Prevención personalizada: si los médicos pudieran conocer con antelación qué enfermedades tienen mayor probabilidad de aparecer en un paciente, podrían adoptar medidas preventivas específicas, como cambios de estilo de vida, monitoreos o intervenciones tempranas.
  • Planificación sanitaria: para los sistemas de salud, modelar cuántas personas podrían desarrollar determinadas enfermedades en el futuro ayudaría a asignar recursos, diseñar políticas públicas y prever costes.
  • Investigación médica: Delphi-2M podría ayudar a entender cómo múltiples enfermedades se relacionan en el tiempo, cómo se agrupan y qué secuencias de diagnósticos anteriores aumentan el riesgo de enfermedades posteriores.

Limitaciones del estudio

Uno de los principales problemas del modelo es el sesgo en los datos: la población del UK Biobank tiende a ser de edades medias-altas, mayoritariamente blanca y con ciertas condiciones socioeconómicas que pueden no representar a otras poblaciones o grupos étnicos.

Este hecho puede limitar la aplicación del modelo, por lo que es necesario ampliar la cobertura de eventos en jóvenes con el fin de aumentar la fiabilidad en las predicciones tempranas.

Y también debe aumentarse la base de datos de minorías o poblaciones con menos representación en los entrenamientos del modelo. Lo contrario, podría reforzar las desigualdades ya existentes en salud.

Referencia de la noticia

Shmatko, A., Jung, A.W., Gaurav, K. et al. Aprendiendo la historia natural de las enfermedades humanas con transformadores generativos. Nature (2025). https://doi.org/10.1038/s41586-025-09529-3