Cuando la historia clínica completa se vuelve un mapa del futuro: cincointeligencias artificiales que ya saben leerla de punta a punta

Imaginate por un segundo que entrás a tu médico de cabecera, te sentás en la silla de siempre y, antes de que te diga qué te duele, él ya tiene sobre la pantalla un mapa de lo que probablemente te va a doler dentro de cinco, diez o veinte años. No es magia ni ciencia ficción: es una nueva camada de sistemas de inteligencia artificial que se entrenan leyendo, de pe a pa, la historia clínica completa de cada persona.

Acá en Chimbas, en Rawson, en cualquier barrio de los nuestros, abrir la carpeta del sanatorio y juntar los análisis de sangre de hace diez años con la receta del cardiólogo, la resonancia que te hiciste en 2018 y el parte del gastroenterólogo de la semana pasada sigue siendo una tarea casi artesanal. Los médicos hojean, subrayan, preguntan. La nueva generación de modelos apunta, justamente, a automatizar esa lectura global y convertirla en una predicción.

Cómo se tokeniza un paciente

El procedimiento se llama tokenización del paciente y, explicado en criollo, consiste en transformar cada evento de la historia clínica en una unidad básica de información ordenada en el tiempo. Un diagnóstico, un valor de laboratorio, una imagen, una nota médica: cada pieza se codifica y se ubica en la línea temporal del paciente. Cuando el sistema junta todos esos tokens, reconstruye la trayectoria de salud y puede ir estimando cómo evoluciona el riesgo de más de mil enfermedades a lo largo de los años.

Cinco desarrollos recientes llevan adelante ese enfoque con escalas muy distintas, pero con una idea común: cuanto más completa y larga la secuencia, mejor la predicción.

• Delphi-2M: ordenó diagnósticos y su secuencia temporal para calcular la probabilidad de más de mil enfermedades. Se entrenó con casi dos millones de personas del Biobanco del Reino Unido y de registros daneses.
• Curiosity: llevó el método a una escala enorme. Procesó más de cien mil millones de eventos médicos de más de cien millones de pacientes.
• Apollo: sumó texto clínico e imágenes a los registros estructurados y trabajó con tres décadas de atención acumulada.
• ALADYNOUILLI: incorporó información genética heredada y entrenó con más de 683.000 personas de tres biobancos, detectando patrones de enfermedad que cambian con la edad.
• AURORA: integró siete tipos de datos distintos en más de 425.000 individuos para estudiar envejecimiento, salud metabólica y respuesta a tratamientos.

Lo que todavía nadie pudo probar

Como bien me lo resumió la semana pasada una vecina del Barrio Concepción mientras esperaba su turno en el hospital, con esa frase que se dice acá en Rawson cuando algo suena demasiado bueno: algo tiene que haber atrás. Los cinco modelos comparten, justamente, una limitación central que los propios especialistas remarcan: todavía ninguno demostró que tomar decisiones médicas a partir de sus predicciones mejore los resultados concretos de los pacientes. Predecir es una cosa; demostrar que, gracias a esa predicción, alguien se salvó de un infarto o detectó a tiempo un tumor, es otra muy distinta.

Las aplicaciones que se avizoran son de dos órdenes. A nivel individual, estos sistemas podrían señalar en qué momento de la vida una persona empieza a tener más riesgo de diabetes, insuficiencia cardíaca o ciertos cánceres, y sugerir controles o cambios de hábito antes de que aparezcan los síntomas. A nivel poblacional, podrían ayudar a los sistemas de salud a planificar recursos, identificar grupos vulnerables y diseñar campañas de prevención más afinadas.

La promesa es enorme, pero la cautela también. Mientras los algoritmos afinan la puntería, lo que la mayoría de nosotros podemos hacer hoy es mucho más modesto y, a la vez, mucho más poderoso: pedirle al médico de cabecera que nos explique la historia clínica completa, entender qué estudios tenemos archivados y, sobre todo, no naturalizar que cada parte de nuestra salud viva en una carpeta separada. Cuando llegue el día en que una inteligencia artificial pueda leerla toda de un tirón, queremos que encuentre la mayor cantidad posible de información real, ordenada y a mano.