Acá, en el cruce de cualquier esquina con un hospital, hay algo que uno da por sentado: que la historia clínica de cada paciente vive repartida entre un análisis de sangre de hace tres años, una receta que se perdió en un cajón, una radiografía que nunca se volvió a mirar y un diagnóstico que quedó en la libreta del médico de cabecera. Cada pedazo existe, pero casi nunca se lee junto. La nueva generación de sistemas de inteligencia artificial viene por eso, y lo hace con una idea tan simple como ambiciosa: convertir todo el recorrido médico de una persona en una secuencia que la máquina pueda interpretar de un tirón, como si fuera una novela escrita en capítulos y la IA pudiera leerla completa para avisarnos qué capítulo se viene.

La medicina como una línea de tiempo que la máquina aprende a leer

El procedimiento tiene un nombre técnico, tokenización del paciente, y consiste básicamente en transformar cada evento del historial, sea un diagnóstico, un valor de laboratorio, una imagen, una nota médica, en una unidad básica de información ordenada en el tiempo. Cuando esas unidades se encaran, el modelo reconstruye la trayectoria de salud y empieza a estimar cómo evoluciona el riesgo de distintas enfermedades a lo largo de los años. Lo que se busca no es reemplazar al médico ni leer la mano, sino ofrecer una lectura integral que hoy, por la fragmentation de los sistemas y la cantidad de datos acumulados, es prácticamente imposible de hacer a ojo.

Cinco proyectos, cinco maneras de mirar la misma ficha

• Delphi-2M: ordenó diagnósticos y su secuencia temporal para calcular la probabilidad de más de mil enfermedades, entrenado con casi dos millones de personas a partir del Biobanco del Reino Unido y registros daneses.
• Curiosity: llevó esa idea a una escala pocas veces vista, procesó más de cien mil millones de eventos médicos de más de cien 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.

Como aclara Daniela, médica clínica del barrio de Once que sigue de cerca estos temas, ninguno de los cinco desarrollos es comparable cabeza a cabeza, porque usan bases de datos, criterios de evaluación y horizontes temporales distintos, pero todos comparten una limitación central que los propios investigadores reconocen sin vueltas: todavía ninguno demostró que tomar decisiones médicas a partir de sus predicciones mejore los resultados concretos de los pacientes, es decir, que la gente termine viviendo más o mejor gracias a haberle hecho caso a la máquina.

Las aplicaciones que se avizoran van en dos direcciones. A nivel individual, estos sistemas podrían indicar en qué momento de la vida una persona tiene más chances de desarrollar una determinada enfermedad y abrir la puerta a controles más focalizados, mientras que a nivel poblacional abren la posibilidad de que los sistemas de salud anticipen picos de demanda, planifiquen recursos y diseñen campañas de prevención con una precisión que hoy no existe. Lo que falta, y aquí está el centro del debate, es la evidencia de que mover el timón en función de lo que la IA predice realmente sirva para algo en la sala de espera y no solo en el paper académico.

Por eso Daniela insiste en algo que repite cada vez que un colega se entusiasma con estos modelos: si la IA ve venir una enfermedad con diez años de anticipación pero todavía nadie puede probar que actuar sobre esa advertencia cambia la historia del paciente, entonces lo que tenemos es una promessa enorme, todavía sin cumplir. Lo demás, lo que se viene, se está escribiendo ahora mismo, en silencio, en estos proyectos que aprendieron a leer la historia clínica completa de cada uno y que prometen, con la humildad que dan los números todavía verdes, cambiar de raíz la manera en que nos anticipamos a la enfermedad.