Una IA Promete Cambiar la vida de Muchos, Detectando Futuras Enfermedades… si no la Usan Mal las Aseguradoras

Un equipo europeo afirma en Nature que un nuevo sistema, entrenado con registros reales del Reino Unido y Dinamarca, puede anticipar tu salud con mucha antelación. ¿Por qué te importa? Porque si puedes predecir enfermedades con años de margen, vas a poder cambiar hábitos o pedir pruebas antes de que llegue el daño.

El modelo se llama Delphi-2M y usa tecnologías parecidas a ChatGPT para analizar tu historial médico como una secuencia de eventos: diagnósticos, hábitos y factores de riesgo en el tiempo. Los autores, del Instituto Europeo de Bioinformática, el DKFZ y centros daneses, lo entrenaron con 400.000 personas del Biobanco del Reino Unido y lo validaron con casi dos millones de pacientes en Dinamarca.

¿Qué hace distinto? No mira una enfermedad aislada, sino la historia natural de más de 1.000 enfermedades al mismo tiempo. Así detecta cómo unas dolencias empujan a otras y te sugiere cambios personalizados o seguimientos concretos. La trampa está en el horizonte: como la previsión del tiempo, cuanto más lejos miras, menos fiable es.

Las predicciones son probabilidades, no certezas. A diez años, el sistema acierta unos siete de cada diez infartos; a veinte años, cae al 14%, apenas por encima del 12% que logras con edad y sexo. En demencia o infarto logra una precisión similar a los mejores modelos específicos y supera a los algoritmos que solo predicen mortalidad general.

Hay un matiz importante: no todo se puede predecir enfermedades con IA mejor que con marcadores clásicos. Para diabetes, la HbA1c sigue ganando. Delphi-2M aporta pistas útiles sobre vínculos poco visibles, como el papel de ciertos trastornos mentales o tumores del aparato reproductor femenino que elevan el riesgo de otras dolencias futuras.

¿Cómo logra esto? Traslada el enfoque de los modelos de lenguaje a la salud. En vez de palabras, procesa eventos clínicos ordenados en el tiempo y aprende patrones de transición: qué suele venir después de qué y con qué probabilidad. Con eso, Delphi-2M puede prever la trayectoria de salud de hasta veinte años para una persona y simular escenarios a nivel de población.

“Las predicciones son probabilísticas y más fiables a corto plazo.”

Para verificar su calidad, el equipo comparó lo que el sistema estimaba con datos nunca vistos durante el entrenamiento en Dinamarca. Las curvas por edad y sexo coincidían, una señal de que el modelo no solo memoriza, sino que generaliza. Los autores piden ensayos clínicos aleatorizados para saber si, en consulta, la IA logra más beneficio que la atención habitual.

Cómo la IA puede predecir enfermedades a partir de tu historial médico

Piensa en tres pasos sencillos y rápidos que te sitúan:

1. Reúne tu historial, hábitos y contexto socioeconómico.
2. Traduce cada evento en una secuencia temporal.
3. Calcula probabilidades de próximos eventos y su orden.

Con ese esquema, vas a poder predecir enfermedades y entender cómo una gripe, un episodio de ansiedad o la obesidad cambian la ruta futura. También permite crear datos sintéticos de salud que conservan las estadísticas reales pero no pertenecen a nadie. Eso protege la privacidad y sirve para entrenar otros modelos o evaluar políticas públicas.

Ahí surge otra ventaja práctica: simular escenarios. Por ejemplo, ¿qué pasaría con la carga asistencial si la obesidad sube un 5%? Con datos sintéticos puedes explorar el impacto antes de que ocurra y priorizar inversiones en prevención, algo clave en sociedades envejecidas donde convivirás con varias dolencias a la vez.

Riesgos y protección de datos en la IA para predecir enfermedades en Europa

El uso masivo de datos clínicos plantea dudas legítimas. Temes que una aseguradora te penalice o que un banco valore tu riesgo de enfermedad al decidir un crédito. En Europa, el nuevo marco del espacio europeo de datos de salud limita esto: se prohíbe usar información genética para decisiones comerciales, como ajustar primas, y se restringe el acceso de terceros en tiempo y propósito.

Además, se promueven espacios seguros donde el dato no viaja y solo se consulta de forma controlada. Biobancos como el del Reino Unido aplican filtros éticos y control estricto de uso, a diferencia de servicios privados como 23andMe, que han afrontado escándalos de protección de datos. Persiste el riesgo de reidentificación con IA, lo que exige nuevas salvaguardas técnicas y legales.

También hay impacto emocional. Conocer con mucha antelación tu riesgo puede generar ansiedad. Los investigadores piden medir estos efectos en ensayos aleatorizados, junto con la verdadera mejora clínica de ofrecer predicciones en consulta. Si ves pilotos hospitalarios con evaluación psicológica y resultados de salud a 12–24 meses, sabrás que llega el momento de despliegue real.

¿Dónde queda la atención clínica hoy? Delphi-2M aún necesita mejoras para usarse a pie de consulta. Ya te ayuda a entender cómo se encadenan las enfermedades y cómo tus hábitos cambian los riesgos. Frente a los modelos que solo miran una patología, aquí ves interacciones reales y trayectorias completas.