Delphi-2M es un modelo de inteligencia artificial que promete predecir el riesgo de desarrollar más de 1.000 enfermedades con hasta 20 años de antelación. Entrenado con historiales médicos, estilo de vida y datos de población, el sistema ofrece probabilidades en lugar de certezas, y plantea importantes debates éticos, de seguridad y privacidad. Aquí te explico cómo funciona, qué riesgos asume y cómo podría cambiar la medicina preventiva.
¿Cómo funciona Delphi-2M?
El modelo combina varias fuentes y técnicas avanzadas para construir predicciones a largo plazo:
-
Se entrenó con datos de más de 400.000 personas del Reino Unido y fue validado con registros sanitarios de casi dos millones de pacientes en Dinamarca.
-
Utiliza factores como historial de enfermedades previas, hábitos de vida (dieta, ejercicio, tabaquismo, etc.), además de variables demográficas como edad y sexo, para estimar probabilidades de aparición de patologías.
-
Delphi-2M también puede generar datos de salud sintéticos que poseen propiedades estadísticas similares a los reales, lo que ayuda a entrenar modelos sin comprometer la privacidad de individuos específicos.
Fiabilidad, limitaciones y ética
Aunque el modelo representa un avance, hay matices que conviene tener presentes:
-
Precisión variable según el plazo: a diez años, predice ciertos riesgos (como infartos) con alrededor de un 70 % de acierto; a veinte años, la precisión baja significativamente (por ejemplo, al 14 %) para esas mismas enfermedades.
-
Sesgos en los datos: los datos usados provienen mayoritariamente de poblaciones europeas, adultos de ciertas edades, lo que puede afectar la validez para otras edades, etnias o perfiles socio-económicos distintos.
-
Predicciones probabilísticas, no certezas: el modelo no garantiza que algo ocurrirá, solo ofrece estimaciones de riesgo. Este punto es clave para que ni usuarios ni profesionales de salud malinterpreten los resultados.
-
Riesgos éticos y de privacidad: uso indebido de los datos por aseguradoras, discriminación, filtraciones, o que estas predicciones sean usadas en contextos no médicos sin consentimiento. Es imprescindible contar con controles legales y normativos.
Potencial beneficios médicos y de política sanitaria
Delphi-2M no solo plantea riesgos, también ofrece oportunidades valiosas:
-
Medicina preventiva personalizada: poder identificar personas con alto riesgo permite intervenciones tempranas, seguimiento más frecuente o cambios en el estilo de vida que podrían retrasar o evitar enfermedades graves.
-
Planificación de recursos sanitarios: los servicios de salud podrían usar proyecciones poblacionales para estimar cuáles serán las enfermedades más prevalentes en 10-20 años y asignar presupuestos, investigación o infraestructura en consecuencia.
-
Investigación con datos sintéticos: al generar datos seguros que preservan la privacidad, se puede acelerar investigación médica sin violar derechos de los pacientes ni depender enteramente de datos reales identificables.
Conclusión: hacia una IA responsable y regulada en salud
Delphi-2M representa un salto importante hacia la predicción de enfermedades a largo plazo, una medicina más personalizada y una prevención más inteligente. Pero para que el modelo beneficie de verdad sin daños, se requieren equilibrio y responsabilidades claras:
-
Establecer regulaciones robustas que protejan la privacidad de los datos médicos, con consentimiento informado y controles sobre quién accede y con qué propósito.
-
Asegurar transparencia en los algoritmos usados, revelar sesgos, errores y limitaciones a los usuarios.
-
Validaciones clínicas adicionales antes de usar estos resultados en diagnóstico o tomar decisiones médicas basadas en ellos.
-
Ética en el uso de predicciones para evitar discriminación, ya sea por aseguradoras, empleadores o políticas públicas.
