18 de septiembre de 2025
3 Leer mínimo
La nueva herramienta de IA predice cuáles de las 1,000 enfermedades que alguien puede desarrollar en 20 años
Un modelo de lenguaje grande llamado Delphi-2M Analiza los registros médicos y el estilo de vida de una persona para proporcionar estimaciones de riesgo para más de 1,000 enfermedades
Boris Zhitkov/Getty Images
Una nueva herramienta de inteligencia artificial (IA) puede pronosticar el riesgo de una persona de desarrollar más de 1,000 enfermedades, en algunos casos proporcionando una predicción décadas de anticipación.
El modelo, llamado Delphi-2m, usa registros de salud y factores de estilo de vida para estimar la probabilidad de que una persona desarrolle enfermedades como el cáncer, Enfermedades de la piel y condiciones inmunes hasta 20 años antes de tiempo. Aunque Delphi-2M fue entrenado solo en un conjunto de datos del Reino Unido, su modelado de múltiples enfermedades podría algún día ayudar a los médicos a identificar a las personas de alto riesgo, lo que permite el despliegue temprano de las medidas preventivas. El modelo se describe en un estudio publicado hoy en Naturaleza.
La capacidad de la herramienta para modelar múltiples enfermedades de una vez es “sorprendente”, dice Stefan Feuerriegel, un científico informático de la Universidad Ludwig Maximilian de Munich en Alemania, que ha desarrollado modelos de IA para aplicaciones médicas. “Puede generar trayectorias de salud futuras futuras”, dice.
Sobre el apoyo al periodismo científico
Si está disfrutando de este artículo, considere apoyar nuestro periodismo galardonado con suscripción. Al comprar una suscripción, está ayudando a garantizar el futuro de las historias impactantes sobre los descubrimientos e ideas que dan forma a nuestro mundo hoy.
Oráculo de la salud
Los investigadores ya se han desarrollado Herramientas basadas en IA para predecir el riesgo de una persona de desarrollar ciertas condicionesincluidos algunos cánceres y enfermedad cardiovascular. Pero la mayoría de estas herramientas estiman el riesgo de una sola enfermedad, dice el coautor del estudio Moritz Gerstung, científico de datos del Centro de Investigación del Cáncer alemán en Heidelberg. “Un profesional de la salud tendría que administrar docenas de ellos para dar una respuesta integral”, dice.
Para abordar esto, Gerstung y sus colegas modificaron un tipo de modelo de lenguaje grande (LLM) llamado transformador generativo previamente entrenado (GPT), que se forma La base de los chatbots de IA como chatgpt. Cuando se le hace una pregunta, los GPT proporcionan salidas que, según su capacitación sobre grandes volúmenes de datos, son estadísticamente probables.
Los autores diseñaron su LLM modificado para pronosticar la probabilidad de una persona de desarrollar 1.258 enfermedades sobre la base de su historial médico pasado. El modelo también incorpora la edad, el sexo de la persona, índice de masa corporal y hábitos relacionados con la salud, como el consumo de tabaco y el consumo de alcohol. Los investigadores capacitaron a Delphi-2M en datos de 400,000 participantes del Biobank del Reino Unido, un estudio de monitoreo biomédico a largo plazo.
Para la mayoría de las enfermedades, las predicciones de Delphi-2M coincidieron o excedieron la precisión de los de los modelos actuales que estiman el riesgo de desarrollar una sola enfermedad. La herramienta también funcionó mejor que un algoritmo de aprendizaje automático que usa Biomarcadores: niveles de moléculas o compuestos específicos en el cuerpo – Para predecir el riesgo de varias enfermedades. “Funcionó asombrosamente bien”, dice Gerstung.
Delphi-2M funcionó mejor al pronosticar las trayectorias de afecciones que siguen patrones predecibles de progresión, como algunos tipos de cáncer. El modelo calculó la probabilidad de que una persona desarrolle cada enfermedad durante un período de tiempo de hasta dos décadas, dependiendo de la información incluida en sus registros médicos.
Sistema de advertencia temprana
Gerstung y sus colegas probaron Delphi-2M en datos de salud de 1.9 millones de personas en el Registro Nacional de Pacientes Daneses, una base de datos nacional que ha rastreado los ingresos hospitalarios durante casi medio siglo. Los autores encontraron que las predicciones del modelo para las personas en el registro eran solo un poco menos precisas que para los participantes en el biobanco del Reino Unido. Esto demuestra que el modelo aún podría hacer predicciones algo confiables cuando se aplica a conjuntos de datos de sistemas nacionales de salud que no sean el que capacitó, dice Gerstung.
Delphi-2M es una contribución “intrigante” al floreciente campo de modelar múltiples enfermedades a la vez, pero tiene sus limitaciones, dice DeGui Zhi, un investigador bioinformático que desarrolla modelos de IA en el Centro de Ciencias de la Salud de la Universidad de Texas en Houston. Por ejemplo, los datos de BioBank del Reino Unido solo capturaron el primer cepillo de los participantes con una enfermedad. La cantidad de veces que alguien ha tenido una enfermedad es “importante para el modelado de trayectorias de salud personal”, dice Zhi.
Gerstung y sus colegas evaluarán la precisión de Delphi-2M en los conjuntos de datos de varios países para expandir su alcance. “Pensar en cómo se puede combinar esta información para desarrollar algoritmos aún más precisos será importante”, dice.
Este artículo se reproduce con permiso y fue Primero publicado el 17 de septiembre de 2025.
Es hora de defender la ciencia
Si disfrutaste este artículo, me gustaría pedir tu apoyo. Científico americano ha servido como defensor de la ciencia y la industria durante 180 años, y en este momento puede ser el momento más crítico en esa historia de dos siglos.
He sido un Científico americano Suscriptor desde que tenía 12 años, y ayudó a dar forma a la forma en que miro el mundo. Sciam Siempre me educa y me deleita, e inspira una sensación de asombro por nuestro vasto y hermoso universo. Espero que también lo haga por ti.
Si usted suscribirse a Científico americanousted ayuda a asegurarse de que nuestra cobertura se centre en una investigación y descubrimiento significativos; que tenemos los recursos para informar sobre las decisiones que amenazan a los laboratorios en los Estados Unidos; y que apoyamos a los científicos en ciernes y que trabajan en un momento en que el valor de la ciencia en sí mismo a menudo no se reconoce.
A cambio, obtienes noticias esenciales, podcasts cautivadoresInfografía brillante, boletines no puede perdervideos de must-observación, Juegos desafiantesy la mejor escritura e informes del mundo de la ciencia. Incluso puedes regalarle a alguien una suscripción.
Nunca ha habido un momento más importante para que podamos ponernos de pie y mostrar por qué la ciencia importa. Espero que nos apoyes en esa misión.