<\/div>\n
\n
Los investigadores tambi\u00e9n probaron con datos de 1,9 millones de pacientes de un registro de Dinamarca.<\/p>\n<\/div>\n
Depositphotos<\/p>\n<\/div>\n
“Nuestro modelo de IA es una prueba de concepto que demuestra que la IA puede aprender muchos de nuestros patrones de salud a largo plazo y utilizar esta informaci\u00f3n para generar predicciones significativas”, subraya el director ejecutivo interino del Laboratorio Europeo de Biolog\u00eda Molecular (EMBL) Ewan Birney<\/strong>.<\/p>\n“Al modelar la evoluci\u00f3n de las enfermedades a lo largo del tiempo, podemos empezar a explorar cu\u00e1ndo surgen ciertos riesgos y c\u00f3mo planificar mejor las intervenciones tempranas. Es un gran paso hacia enfoques m\u00e1s personalizados y preventivos de la atenci\u00f3n m\u00e9dica”, agreg\u00f3.<\/p>\n
As\u00ed como los modelos de lenguaje extensos pueden aprender la estructura de las oraciones, este modelo de IA aprende la gram\u00e1tica de los datos de salud para modelar los historiales m\u00e9dicos<\/strong> como secuencias de eventos que se desarrollan a lo largo del tiempo.<\/p>\nEstos eventos incluyen diagn\u00f3sticos m\u00e9dicos o factores de estilo de vida como el tabaquismo.<\/strong> El modelo aprende a predecir el riesgo de enfermedad a partir del orden en que ocurren dichos eventos y el tiempo transcurrido entre ellos.<\/p>\n“Los eventos m\u00e9dicos suelen seguir patrones predecibles”, matiza el cient\u00edfico del Instituto Europeo de Bioinform\u00e1tica del EMBL (EMBL-EBI) Tom Fitzgerald<\/strong>.<\/p>\n\n
Edici\u00f3n gen\u00e9tica <\/p>\n![\"El](\"data:image\/gif;base64,R0lGODlhAQABAIAAAAAAAP\/\/\/ywAAAAAAQABAAACAUwAOw==\" "\\"El")
<\/div>\n
\n
El modelo funciona especialmente bien en afecciones como ciertos tipos de c\u00e1ncer, infartos y septicemia.<\/p>\n<\/div>\n
Imagen creada con Inteligencia Artificial<\/p>\n<\/div>\n
Adem\u00e1s, agreg\u00f3 que este modelo “aprende esos patrones y puede predecir futuros resultados de salud”: “Nos permite explorar qu\u00e9 podr\u00eda suceder con base en el historial m\u00e9dico de una persona y otros factores clave. Esto no es una certeza, sino una estimaci\u00f3n de los riesgos potenciales<\/strong>“, detall\u00f3.<\/p>\nEl modelo funciona especialmente bien en afecciones con patrones de progresi\u00f3n claros y consistentes, como ciertos tipos de c\u00e1ncer, infartos y septicemia (un tipo de envenenamiento de la sangre).<\/strong><\/p>\n Las afecciones m\u00e1s variables, poco propensas a este modelo<\/h2>\n
Sin embargo, el modelo es menos fiable en afecciones m\u00e1s variables, tal como los casos de salud mental<\/strong> o complicaciones relacionadas con el embarazo<\/strong>, por depender de eventos vitales impredecibles.<\/p>\nAl igual que los pron\u00f3sticos meteorol\u00f3gicos, este nuevo modelo de IA proporciona probabilidades, aunque no certezas,<\/strong> sobre por ejemplo desarrollar una enfermedad card\u00edaca durante el pr\u00f3ximo a\u00f1o.<\/p>\nEl modelo tambi\u00e9n presenta sesgos demogr\u00e1ficos debido a la falta de datos de entrenamiento, incluyendo la subrepresentaci\u00f3n de ciertos grupos \u00e9tnicos. Si bien no est\u00e1 listo para su uso cl\u00ednico, ya podr\u00eda ayudar a los investigadores a:<\/p>\n
\n- comprender el progreso de enfermedades con el tiempo;<\/li>\n
- explorar c\u00f3mo el estilo de vida y las enfermedades pasadas afectan el riesgo de enfermedad a largo plazo;<\/li>\n
- simular resultados de salud con datos artificiales de pacientes, en situaciones donde los datos del mundo real son dif\u00edciles de obtener o acceder.<\/li>\n<\/ul><\/div>\n