Cuando la historia clínica completa se vuelve una predicción: la inteligencia artificial que lee toda tu vida médica

A Graciela, maestra jubilada de Morón, le diagnosticaron diabetes tipo 2 hace seis años, pero los avisos venían de lejos: análisis con glucosa limítrofe desde los 45, antecedentes familiares, sobrepeso. Lo que nadie le había mostrado era la película completa, la secuencia entera de pequeños cambios a lo largo de dos décadas que ya anticipaban lo que estaba por venir. Hoy existen sistemas de inteligencia artificial capaces de armar esa película con la historia clínica íntegra de una persona y calcular qué enfermedades podrían aparecer en los próximos años. Y eso cambia, de manera profunda, la idea misma de prevención.

El Ministerio de Salud de la Nación, a través de la Dirección de Salud Digital, viene promoviendo desde 2022 la integración de las historias clínicas electrónicas en todo el sistema sanitario argentino como paso previo a cualquier desarrollo de analítica masiva, y advierte que estos modelos necesitan bases de datos extensas, limpias y longitudinales para funcionar.

Cómo se tokeniza a un paciente

El procedimiento que está detrás de estos sistemas se llama tokenización del paciente, y consiste básicamente en convertir cada evento médico en una unidad de información ordenada en el tiempo. Un diagnóstico, un valor de laboratorio, una imagen, una nota del médico, todo se transforma en un token y se suma a la secuencia de una vida. Cuando junta esos miles de pedazos, el modelo reconstruye la trayectoria de salud de una persona y puede estimar cómo evoluciona el riesgo de más de mil enfermedades a lo largo de los años siguientes. La diferencia respecto a la medicina tradicional es grande: en lugar de leer un dato aislado, el sistema lee la película entera.

Los cinco desarrollos que abrieron el camino

• Delphi-2M: procesó diagnósticos y su secuencia temporal en casi dos millones de personas del Biobanco del Reino Unido y de registros daneses para estimar la probabilidad futura de más de mil enfermedades.
• Curiosity: llevó el enfoque a una escala inédita, con más de 100.000 millones de eventos médicos extraídos de historias clínicas de más de 100 millones de pacientes.
• Apollo: sumó texto clínico e imágenes médicas a los registros estructurados y trabajó con tres décadas de atención acumulada.
• ALADYNOUILLI: incorporó información genética heredada, entrenó con más de 683.000 personas de tres biobancos e identificó 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 modelos no son directamente comparables entre sí, porque usan bases de datos distintas, criterios de evaluación diferentes y horizontes temporales que van de meses a décadas. Comparten, sin embargo, una limitación central que los propios investigadores no dudan en marcar: ninguno demostró todavía que tomar decisiones clínicas a partir de sus predicciones se traduzca, en la práctica, en pacientes que vivan más o vivan mejor. Predecir, en medicina, es solo el primer paso.

Qué se puede hacer hoy, sentado en la casa

Mientras la promesa se termina de pulir en los centros de investigación, hay gestos simples que se pueden hacer desde casa y que preparan el terreno. Conviene pedirle al médico de cabecera una copia digital o impresa de la historia clínica completa, con análisis, estudios de imágenes y diagnósticos a lo largo del tiempo, y guardarla ordenada por fecha. Sirve para tener una mirada larga de la propia salud, y el día que estas herramientas lleguen a los consultorios de a pie, también va a servir para que el modelo tenga con qué trabajar. Y hay algo más profundo, que es retomar la costumbre de contarle al médico todo, no solo lo de la consulta de hoy, sino los antecedentes familiares, los análisis viejos, las medicaciones que se dejaron. La película completa de la salud, al final, se arma entre dos.