Un model d’intel·ligència artificial (IA) anomenat Delphi-2M, presentat aquest dimecres a la revista Nature, és capaç de predir riscos i resultats de salut amb més d’una dècada d’antelació. Segons els seus creadors, l’eina es basa en dades de fins a 20 anys de l’historial mèdic dels pacients i ofereix una precisió superior a la de les tecnologies actuals.
Aquest nou model d’IA generativa s’ha dissenyat a mida utilitzant conceptes algorítmics similars als que s'emprenen als models de llenguatge extensos (LLM), com el conegut ChatGPT. El model s’ha entrenat amb dades anònimes de 400.000 participants del Biobanc del Regne Unit i s’ha validat amb informació de gairebé dos milions de persones a Dinamarca.
En aquest sentit, el model mostra un rendiment especialment bo en afeccions amb patrons de progressió clars i consistents, com alguns tipus de càncer, infarts i septicèmia (infecció de la sang). Tanmateix, el model és menys fiable en malalties més variables, com els trastorns de salut mental o les complicacions relacionades amb l’embaràs, que depenen d’esdeveniments imprevisibles.
Tal com assenyala Ewan Birney, director executiu interí del Laboratori Europeu de Biologia Molecular (EMBL), "el nostre model és una prova de concepte que demostra que la IA pot aprendre molts dels nostres patrons de salut a llarg termini i utilitzar aquesta informació per generar prediccions significatives". Segons ell, "en modelar l’evolució de les malalties al llarg del temps, podem començar a explorar quan sorgeixen certs riscos i com planificar millor les intervencions primerenques. És un gran pas cap a enfocaments més personalitzats i preventius de l’atenció mèdica".
De la mateixa manera que els models de llenguatge aprenen l’estructura de les oracions, aquest model d’IA aprèn la "gramàtica" de les dades de salut per representar els historials mèdics com a seqüències d’esdeveniments que es desenvolupen al llarg del temps. Aquests inclouen diagnòstics o factors d’estil de vida, com el tabaquisme. Com explica Tom Fitzgerald, científic de l’Institut Europeu de Bioinformàtica de l’EMBL (EMBL-EBI), "els esdeveniments mèdics solen seguir patrons predictibles".
Limitacions i biaixos
Ara bé, els autors adverteixen que, igual que les previsions meteorològiques, aquest model proporciona probabilitats i no certeses. Per exemple, pot estimar la probabilitat de desenvolupar una malaltia cardíaca en l'any vinent, però no determina amb exactitud què succeirà. A més, presenta certs biaixos demogràfics, ja que les dades provenen principalment de persones d’entre 40 i 60 anys, de manera que els problemes de salut infantil i juvenil hi estan infrarepresentats, de la mateixa manera, les dades utilitzades per entrenar manquen de diversitat ètnica.
Tot i que encara no està llest per a l’ús clínic, els investigadors creuen que podria ajudar a entendre millor com evolucionen les malalties, avaluar la influència de l’estil de vida i de patologies passades en el risc a llarg termini, el que significaria un gran avenç tecnològic amb un gran impacte social.
