Delphi-2M: la IA que predice la evolución de más de 1.000 enfermedades

• curecompass
• 20 septiembre, 2025
• I+D, Salud, Tecnología
• Delphi-2M, Inteligencia Artificial, Portada, UK Biobank
• 0 Comments

Un modelo de inteligencia artificial inspirado en los transformadores lingüísticos fue entrenado en 0,4 millones de historias clínicas del UK Biobank y validado en registros de 1,9 millones de ciudadanos daneses. Sus resultados anticipan trayectorias de salud a 20 años y abren la puerta a la medicina de precisión y la planificación sanitaria.

El avance de la inteligencia artificial (IA) hacia el análisis predictivo en salud acaba de marcar un nuevo hito con Delphi-2M, un modelo desarrollado a partir de la arquitectura GPT y entrenado en datos de más de 400.000 participantes del UK Biobank. Su validación independiente se llevó adelante con información de 1,93 millones de personas de los registros nacionales de Dinamarca, sin necesidad de ajustar parámetros adicionales.

Un modelo entrenado a escala poblacional.

Delphi-2M fue diseñado para representar la historia de salud de cada paciente como una secuencia de eventos. La arquitectura incorpora más de 1.258 estados diferentes, incluyendo los códigos principales de la Clasificación Internacional de Enfermedades (ICD-10), junto con variables clave como sexo, índice de masa corporal (IMC), consumo de tabaco y alcohol, y mortalidad.

El entrenamiento inicial utilizó 402.799 participantes (80% de la cohorte del UK Biobank), mientras que 100.639 se reservaron para validación. Además, se siguió longitudinalmente a 471.057 individuos hasta julio de 2022. Esta escalada de datos permitió refinar un modelo de más de 2 millones de parámetros, optimizado para capturar dependencias temporales en la progresión de enfermedades.

predicción precisa de más de 1.000 enfermedades

Delphi-2M logra predecir tasas individuales para más de 1.000 diagnósticos distintos. Su desempeño medio alcanzó un área bajo la curva (AUC) de 0,76 en validación interna, superando a modelos epidemiológicos tradicionales y emparejando el rendimiento de calculadoras clínicas para enfermedades como las cardiovasculares o la demencia. “Entre los eventos más confiablemente anticipados está la muerte, con un AUC de 0,97 en hombres y mujeres”, destacando los autores.

En algunos casos, como la diabetes, el marcador clínico HbA1c sigue siendo más preciso, pero Delphi demuestra una ventaja sustancial al ofrecer una visión simultánea de la multimorbilidad . Esto incluye la capacidad de detectar diferencias interindividuales más allá de las curvas promedio de incidencia por edad y sexo.

Trayectorias de salud y datos sinteticos

Una de las innovaciones más relevantes es la capacidad de generar trayectorias completas de salud futura para cada paciente. Al comparar 63.662 trayectorias simuladas con observadas en la cohorte, las predicciones mostraron fidelidad hasta los 75 años de edad, con un 17% de eventos correctamente anticipados en el primer año y más del 14% a dos décadas.

Asimismo, Delphi-2M pudo entrenarse de manera exclusiva con datos sintéticos y, aún así, mantener un AUC de 0,74, solo tres puntos por debajo del modelo original. Esto abre un escenario prometedor para el uso de IA en entornos donde la privacidad de los datos personales es crítica.

Comorbilidad y explicación de predicciones.

El modelo también ofrece una lectura detallada de cómo las enfermedades interactúan entre sí. Mediante técnicas de IA explicables como SHAP, se demostró que los diagnósticos digestivos pueden incrementar hasta 19 veces el riesgo de cáncer de páncreas, y que este, a su vez, aumenta el riesgo de mortalidad en casi 10.000 veces.

Los mapas de atención interna de Delphi-2M reflejan influencias temporales diferenciadas: por ejemplo, los efectos de un cáncer persisten con una “semivida” de varios años, mientras que el impacto de una septicemia decae rápidamente.

Implicaciones para la medicina y las políticas públicas

El potencial de Delphi-2M va más allá de la predicción individual. Permite modelar el impacto futuro de factores de riesgo como el tabaquismo, el consumo de alcohol o el exceso de peso en grupos poblacionales. Estas proyecciones pueden resultar decisivas tanto para la planificación de sistemas de salud como para evaluar el impacto económico de la creciente carga de enfermedades crónicas.

En un contexto donde se prevé que el número global de diagnósticos de cáncer aumente un 77% hacia 2050, y que en el Reino Unido los trabajadores con enfermedades graves pasen de 3 a 3,7 millones en 2040, Delphi-2M se presenta como una herramienta estratégica.

“Los modelos basados ​​en transformadores no solo predicen eventos futuros, sino que ayudan a entender dependencias temporales entre diagnósticos ya generar datos sintéticos más seguros, fundamentales para avanzar en medicina de precisión”, concluyen los autores.