La IA puede convertirse en un asistente silencioso que ayude al médico a llegar antes y mejor. Analizar el historial de la persona, detectar señales que a simple vista pasan desapercibidas, sugerir qué controles adelantar o qué pruebas conviene priorizar. En la práctica esto significa menos complicaciones evitables, tratamientos a tiempo y una organización más eficiente del día a día en consulta y hospital. Entre las propuestas recientes destaca Delphi-2M como ejemplo de IA clínica que no se limita a describir el presente. Esta IA, basada en modelos de IA Generativa, predice qué le puede pasar al paciente en los próximos años y estima el momento en que aparecerá cada evento de salud. Este enfoque convierte el tiempo en el centro del análisis y acerca a médicos y pacientes a una medicina de la anticipación.
El avance no exige superordenadores. Los autores parten de un modelo de lenguaje mediano, reentrenado con historias clínicas, y logran resultados sólidos. El catedrático de Salud Pública y director de IASalud de la Universidad Europea, Juan José Beunza plantea cómo esta IA supone un avance para la salud y explica que “no hace falta un modelo gigantesco ni enviar datos sensibles a la nube para generar valor clínico. Con modelos medianos y posibles entrenamientos locales, es posible llevar la IA a la planta del hospital con garantías”.
Delphi-2M predice más de mil enfermedades de forma simultánea y capta cómo se conectan entre sí factores y diagnósticos en la vida real, algo clave cuando un mismo paciente convive con varias patologías. Tras ser entrenado con datos del Reino Unido, el sistema se probó en una población independiente en Dinamarca con códigos clínicos y hábitos asistenciales diferentes. La IA mantuvo un rendimiento alto en ambos países, lo que indica que es capaz de traspasar fronteras y de reconocer patrones generales de evolución de salud y no reglas particulares.
Las implicaciones son directas para la consulta y para la gestión. En la consulta ayuda a decidir a quién citar antes, qué pruebas solicitar y qué seguimiento ajustar según el riesgo previsto. Por ejemplo, permite adelantar un cribado cuando el calendario de riesgos se acelera. En la gestión ayuda a estimar cuánta carga de enfermedad puede llegar en los próximos meses, a planificar agendas y equipos, a prever necesidades de camas y fármacos y a orientar campañas de prevención donde más rendimiento pueden tener. “Pasamos de apoyar decisiones del presente a organizar la atención con vistas al futuro probable del paciente y de la población. Ese es el cambio de paradigma” apunta Beunza.
Delphi-2M está pensada para trabajar pegada a la historia clínica y a los equipos asistenciales. Ofrece predicciones parcialmente explicables y podría permitir que, en un futuro, el profesional revise qué señales del paciente han impulsado cada alerta. De este modo se refuerza la seguridad del dato y el control humano. “La prioridad es proteger la privacidad y que el clínico conserve la última palabra.
