Delphi-2M es el innovador modelo de Inteligencia Artificial desarrollado por investigadores del Instituto Europeo de Bioinformática, el Centro Alemán de Investigación Oncológica (DKFZ) y la Universidad de Copenhague. Este sistema destaca por su capacidad para predecir el riesgo de desarrollar más de 1.000 enfermedades a partir del historial médico y datos personales de los pacientes, marcando un avance relevante en la medicina preventiva.

El estudio, publicado en la revista Nature, detalla cómo Delphi-2M emplea una arquitectura avanzada basada en transformadores generativos, similares a los utilizados en modelos como ChatGPT, pero adaptados para analizar la progresión temporal de enfermedades humanas. Gracias a esta tecnología, el modelo puede anticipar la evolución de patologías a largo plazo, facilitando a los profesionales sanitarios una visión más precisa sobre el desarrollo y la interacción de distintas enfermedades.

Para su entrenamiento, Delphi-2M utilizó datos de 402.799 personas del Biobanco del Reino Unido, recopilados antes del 1 de julio de 2020. Posteriormente, fue validado con información de 1,93 millones de ciudadanos daneses registrada entre 1978 y 2018. Esta robusta base de datos ha permitido al modelo predecir con alta precisión la incidencia de enfermedades como cáncer de mama, patologías cardiovasculares, diabetes, asma, depresión, infarto agudo de miocardio, varicela e incluso la mortalidad, considerando factores como diagnósticos previos, hábitos de vida (consumo de alcohol y tabaco), edad, sexo e índice de masa corporal.

Una de las características más destacadas de Delphi-2M es su capacidad para generar trayectorias de salud futuras sintéticas, permitiendo estimar la carga potencial de enfermedades hasta 20 años en adelante. Además, el modelo ha identificado patrones de comorbilidad entre diferentes enfermedades y ha arrojado luz sobre cómo los antecedentes médicos pueden influir en la aparición de nuevas patologías. Por ejemplo, se observó que el cáncer incrementa de forma sostenida el riesgo de mortalidad, mientras que los efectos de un infarto de miocardio o una septicemia tienden a disminuir tras cinco años.

No obstante, los investigadores subrayan la importancia de interpretar los resultados de Delphi-2M con cautela, ya que pueden existir sesgos derivados de los datos de entrenamiento. Además, recalcan que este modelo no sustituye la atención médica profesional, sino que debe considerarse una herramienta complementaria para mejorar la toma de decisiones en salud personalizada y medicina de precisión. Aunque Delphi-2M aún requiere más validaciones antes de su implementación clínica, sus análisis ofrecen proyecciones valiosas sobre la evolución futura de la salud, reflejando la influencia de eventos médicos pasados en el desarrollo de nuevas enfermedades.