Aclaro de arranque: lo que viene no es magia ni es para asustarse. Es una movida concreta que está pasando en el mundo de la inteligencia artificial aplicada a la medicina, y vale la pena entenderla. La idea de fondo es simple y, a la vez, revolucionaria: en vez de mirar un análisis de sangre suelto o una tomografía aislada, estas IAs se tragan toda la historia clínica de una persona, de punta a punta, y la usan para intentar predecir qué enfermedades pueden aparecer en los próximos años.

El truco tiene nombre técnico y se llama tokenización del paciente. Suena a palabra de odontólogo, pero es otra cosa: consiste en convertir cada evento del historial clínico (un diagnóstico, un resultado de laboratorio, una imagen, una receta, una nota del médico) en una unidad básica de información ordenada en el tiempo. Una vez que el modelo tiene todas esas fichas acomodadas en fila, reconstruye la trayectoria de salud de esa persona y calcula cómo va evolucionando el riesgo de más de mil enfermedades.

Los cinco modelos que ya están jugando este partido

• Delphi-2M: trabaja con casi dos millones de personas del Biobanco del Reino Unido y registros daneses. Calcula probabilidades para más de mil enfermedades.
• Curiosity: la bestia grande del grupo. Procesó más de 100.000 millones de eventos médicos de más de 100 millones de pacientes.
• Apollo: le suma al historial el texto clínico y las imágenes, y mete tres décadas de atención acumulada.
• ALADYNOUILLI: incorpora información genética heredada y entrenó con más de 683.000 personas de tres biobancos, buscando patrones que cambian con la edad.
• AURORA: integra siete tipos de datos distintos en más de 425.000 individuos, enfocado en envejecimiento, salud metabólica y respuesta a tratamientos.

Hasta acá, todo suena a película del futuro. Y ojo, los cinco son desarrollos reales y recientes. Ahora bien, antes de ilusionarse de más, hay que mirar la letra chica, que es donde aparece el problema de fondo: ninguno de estos modelos demostró todavía que tomar decisiones médicas a partir de sus predicciones sirva para mejorar la salud concreta de la gente. O sea, la IA puede tirar un aviso temprano, pero todavía nadie demostró que, cuando el médico actúa siguiendo ese aviso, al paciente le vaya mejor que si se hubiera enterado por las vías tradicionales.

Las aplicaciones que se imaginan son de dos tipos. A nivel individual, estos sistemas podrían marcar en qué momento de la vida conviene reforzar controles sobre el corazón, los riñones o lo que sea que el modelo detecte como riesgo en aumento. A nivel de políticas públicas, prometen servir para planificar recursos: si una población va a tener más casos de determinada enfermedad en los próximos años, se supone que así se podría preparar mejor el sistema de salud. Lo que falta, claro, es la prueba final: que en la práctica, con pacientes reales, las predicciones cambien resultados. Mientras eso no llegue, lo que tenemos es un mapa cada vez más detallado, pero todavía sin garantía de que llegar a destino valga el viaje. Habrá que seguirle el rastro.