La historia clínica completa, convertida en mapa de riesgos: cómo la inteligencia artificial empieza a leer la vida médica de cada paciente

Yo conozco a Marta, una vecina de Lanús que tiene 52 años y un historial clínico que parece una novela por entregas: análisis de sangre cada seis meses desde los 30, dos resonancias magnéticas, una cirugía de vesícula, un tratamiento prolongado por tiroides y un seguimiento cardiológico que arrancó el año pasado. Cada vez que va a un consultorio nuevo, el médico le pregunta qué se hizo y ella termina contando la historia de memoria, con fechas que a veces confunde y estudios que se le perdieron. Marta, como millones de personas, vive con su historia clínica fragmentada en pedazos. Y esa fragmentación, según los desarrollos más recientes en inteligencia artificial aplicada a medicina, es exactamente lo que una nueva generación de sistemas intenta resolver.

De la consulta aislada a la secuencia completa

Un historial clínico reúne, a lo largo de los años, análisis de sangre, recetas, diagnósticos, notas de profesionales y estudios por imágenes. En general, cada profesional lee la parte que le toca y casi nunca alguien mira ese recorrido como un todo. La nueva generación de modelos apunta a cambiar esa lógica: en lugar de trabajar sobre un dato suelto, toma todo el recorrido médico de una persona y lo convierte en una secuencia ordenada que el sistema puede procesar para hacer predicciones sobre lo que puede pasar más adelante.

El proceso tiene un nombre técnico, tokenización del paciente, y la idea es bastante intuitiva. Cada evento del historial, un diagnóstico, un resultado de laboratorio, una imagen, una nota médica, se transforma en una unidad básica de información con su fecha. Cuando esas unidades se ordenan en el tiempo, el modelo reconstruye la trayectoria de salud y puede estimar cómo evoluciona el riesgo de distintas enfermedades a lo largo de los años. Es, en cierto modo, pasar de leer una hoja suelta a leer la historia entera.

Los cinco modelos que marcan el pulso de esta línea de trabajo

• Delphi-2M: organizó diagnósticos y su secuencia temporal para calcular la probabilidad de más de 1.000 enfermedades, entrenado con datos de casi dos millones de personas del Biobanco del Reino Unido y de registros daneses.
• Curiosity: llevó el enfoque a una escala mucho mayor, con más de 100.000 millones de eventos médicos provenientes de más de 100 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, identificando 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.

Estos cinco desarrollos comparten una limitación central, y vale la pena tenerla presente antes de ilusionarse. Todavía ninguno demostró que tomar decisiones médicas a partir de sus predicciones termine mejorando los resultados concretos de los pacientes. Pueden estimar riesgos con bastante precisión, pero la pregunta de si intervenir cuando el modelo avisa que algo puede ocurrir sirve, en la práctica, para que la gente esté mejor, sigue abierta.

Para entenderlo mejor consulté a Hernán Dufau, abogado especialista en derecho sanitario y en regulación de datos médicos, que trabaja con estudios jurídicos que asesoran a obras sociales y empresas de tecnología médica. Dufau me explicó que estos sistemas prometen dos tipos de aplicaciones. A nivel individual, podrían señalar en qué momento una persona como Marta debería hacerse un estudio más profundo, ajustar un tratamiento o prestar más atención a un marcador que venía estable. A nivel de salud pública, permitirían identificar patrones en poblaciones enormes y planificar recursos con otra anticipación.

Mientras tanto, Marta sigue yendo a sus turnos con un carpeta de papel donde intenta mantener todo ordenado. Los modelos que leen la historia clínica completa todavía no llegaron a su sala de espera, y cuando lleguen habrá que discutir muchas cosas, desde quién accede a esos datos hasta cómo se usan para decidir sobre un tratamiento. Pero la idea de que toda la vida médica de una persona pueda leerse de corrido, y que esa lectura sirva para anticipar lo que viene, ya dejó de ser ciencia ficción y empezó a ocupar las páginas de las revistas especializadas. La pregunta que sigue abierta, la que más me importa como periodista y como paciente, es si esa anticipación se va a traducir, algún día, en menos enfermedad y más tiempo sano para gente como ella.