Cuando la historia clínica se vuelve una secuencia: la inteligencia artificial que aprende a leer tu pasado médico para anticipar tu futuro

Acá en la zona centro, cuando uno va al médico y le pide un análisis de sangre, lo que el profesional hace es mirar ese papel de manera aislada, como si fuera una foto suelta de una película larguísima. Ahora imaginate que alguien junta todas esas fotos, las de los últimos veinte años, las recetas, los diagnósticos, las radiografías y hasta las notas que el médico fue escribiendo a mano, y las pone una detrás de la otra, ordenadas en el tiempo. Eso es, ni más ni menos, lo que empieza a hacer una nueva camada de sistemas de inteligencia artificial con la historia clínica de cada paciente. La idea suena a ciencia ficción pero ya está pasando, y lo que nosotros tenemos que entender es qué grado de confianza podemos depositar en eso que la máquina dice que va a ocurrir con nuestra salud.

La tokenización del paciente, o cómo convertir una vida en una secuencia

El procedimiento tiene un nombre técnico que a mí me cuesta pronunciar sin trabarme, tokenización del paciente, y la lógica es bastante directa. Cada hecho relevante del historial, un resultado de laboratorio, una tomografía, un diagnóstico de hipertensión, una internación, se transforma en una unidad mínima de información, una especie de ficha chiquita que lleva fecha y un código que la máquina entiende. Una vez que esas fichas están acomodadas en orden cronológico, el modelo reconstruye, como si fuera un mapa, el recorrido de salud de la persona y se anima a calcular cómo van a evolucionar los riesgos de más de mil enfermedades distintas a lo largo de los años siguientes.

Cinco modelos que ya están en carrera, con cifras que marean

• Delphi-2M trabaja con diagnósticos ordenados en el tiempo y con datos de casi dos millones de personas del Biobanco del Reino Unido y de registros daneses; estima probabilidades para más de mil enfermedades.
• Curiosity procesó una cantidad descomunal de eventos médicos, más de cien mil millones, tomados de historias clínicas de más de cien millones de pacientes, la cifra más grande que se conoce hasta hoy.
• Apollo le agregó a los registros clásicos el texto clínico libre y las imágenes médicas, y se entrenó con tres décadas de atención acumulada.
• ALADYNOUILLI incorporó información genética heredada y se entrenó con más de 683.000 personas de tres biobancos, con foco en cómo cambian los patrones de enfermedad a medida que envejecemos.
• AURORA integró siete tipos de datos distintos en más de 425.000 individuos para estudiar envejecimiento, metabolismo y respuesta a tratamientos.

Los cinco modelos no se pueden comparar como si fueran cinco autos de la misma marca y modelo, porque cada uno usa bases de datos diferentes, criterios de evaluación distintos y horizontes temporales que tampoco coinciden. Lo que sí comparten, y esto me parece lo más importante para que nosotros no nos dejemos llevar por la euforia tecnológica, es una limitación central que los propios investigadores se encargan de aclarar: todavía ninguno demostró, con estudios clínicos serios, que tomar decisiones médicas a partir de esas predicciones termine mejorando de verdad la salud de los pacientes. Anticipar un riesgo no es lo mismo que lograr que, por haberlo anticipado, la persona se salve o viva más.

Lo que puede venir, si la promesa se cumple

Las aplicaciones que se imaginan los especialistas van en dos direcciones. A nivel individual, estos sistemas podrían señalar en qué momento del futuro cercano empieza a crecer el riesgo de una determinada enfermedad y permitir, entonces, que el médico actúe antes de que el problema se instale. A nivel poblacional, la misma lectura masiva de trayectorias podría ayudar a los sistemas de salud a planificar recursos, a entender cómo se mueven ciertas epidemias o a diseñar campañas de prevención mucho más afinadas. Marta, mi vecina del barrio de Constitución, que es diabética y se hace todos los controles en el hospital público, me decía el otro día mientras tomábamos mates que ella lo que espera es que, si la máquina le dice que en cinco años puede tener una complicación renal, alguien le explique bien qué tiene que cambiar hoy en su vida y la acompañe a hacerlo. Eso, la traducción concreta de un número en una conducta que mejora la salud, es justamente el paso que la ciencia todavía no pudo dar, y es lo que va a marcar la diferencia entre un hallazgo de laboratorio y una herramienta que de verdad cambie la consulta médica de los próximos años.