¿Cómo deberíamos actuar ante ordenadores que pueden pronosticar quien desarrollará una enfermedad terminal, intentará suicidarse o padecerá diabetes? ¿Y qué deberían hacer usted o su médico al recibir una predicción así? Es más… ¿Es esto posible? Pues, sí. La creciente precisión de los algoritmos informáticos sugiere que pronto nos encontraremos con desafíos de este tipo.

Peter Bonis.

Recientemente, investigadores de la Universidad Estatal de Florida obtuvieron datos de historias clínicas electrónicas a partir de las cuales identificaron a un grupo de pacientes que habían intentado suicidarse. A continuación usaron Machine Learning -una técnica que analiza datos de rápido crecimiento- e identificaron una serie de factores que, combinados, pueden predecir con exactitud si una persona intentará suicidarse.

Este tipo de modelo predictivo no es nuevo, pero en los últimos años la capacidad de los ordenadores para reconocer interacciones complejas entre variables asociadas a resultados interesantes ha avanzado mucho. Los ordenadores no sólo pueden analizar ingentes volúmenes de datos, sino que son capaces de leer y entender texto natural (como anotaciones de un médico) y pueden combinar múltiples fuentes de información para obtener predicciones acertadas. Al usar Machine Learning, estos sistemas se han diseñado para mejorar a medida que adquieren experiencia con los resultados que están analizando. Por consiguiente, pueden adquirir conocimientos valiosos que sobrepasan la capacidad de los seres humanos.

Investigadores de la Universidad Estatal de Florida encontraron que los algoritmos obtenidos con técnicas de Machine Learning podían predecir con dos años de antelación un intento de suicidio con una precisión del 80% al 90%. Otras organizaciones están desarrollando enfoques similares en un amplio abanico de enfermedades como insuficiencia cardiaca, ataques al corazón, demencia, Parkinson, enfermedad renal crónica y depresión. Por ejemplo, investigadores de la Universidad Pompeu Fabra y el Instituto de Investigación del Hospital del Mar (IMIM) de Barcelona están analizando cómo los mensajes que publicamos en redes sociales pueden predecir el riesgo de sufrir depresión. La psicóloga Ángela Leis y el bioinformático Ferran Sanz han diseñado un algoritmo que puede pronosticar futuros problemas de salud mental a través del análisis de datos en redes sociales.

Hacia la prevención de enfermedades por vía informática

La industria de la salud está inundada de datos que pueden alimentar e informar a estos modelos informáticos, lo que posiblemente hará aumentar su precisión. Nos acercamos rápidamente a un escenario en el que los ordenadores hacen predicciones con tanta seguridad que ante un pronóstico realizado por un programa informático pronto deberemos preguntarnos si ya tenemos la enfermedad, o lo que podríamos llamar una “enfermedad embrionaria” (proto-disease).

La promesa de la predicción acertada de enfermedades implica poder intervenir y reducir su impacto o evitar que se desarrollen. Lamentablemente, la capacidad de predicción está avanzando más rápidamente que nuestra capacidad de prevención. Pongamos, por ejemplo, que su doctora le informa de que un programa de ordenador pronostica que desarrollará diabetes en los próximos dos años. A continuación, le prescribe varias medidas para llevar una vida saludable –que será probable que siga debido a la advertencia del ordenador- pero a parte de estos consejos, no tiene mucho más que ofrecerle. Por ahora, los estudios que han evaluado la prevención de la diabetes con medicación no son concluyentes. Sin duda se irá usted de la consulta triste, con la carga emocional de tener una enfermedad en fase de desarrollo.

Para complicar aún más las cosas, puede que no sea su médico quien le anuncie la noticia. Es probable que otras organizaciones que también tengan sus datos, como su asegurador médico, dispongan de estos pronósticos. Lo ideal sería que estas compañías usasen la información para ayudarle a mantenerse sano, pero, como hemos mencionado, no hay aún actuaciones del todo efectivas para prevenir enfermedades.

Incluso puede haber quien haga un mal uso de la información. Por ejemplo, una aseguradora podría utilizar información sobre los problemas de salud de su población asegurada con un objetivo comercial y en detrimento de sus clientes. El conocimiento es poder, especialmente en el sector de los seguros.

El asegurador que pueda predecir de forma precisa quienes entre sus clientes desarrollarán enfermedades (y, por lo tanto, supondrán un coste más elevado) tendrá una ventaja indiscutible en términos de pagos.

Ante esta situación surgen cuestiones éticas, morales y legales. ¿Debe avisarle su aseguradora –o aún más importante, su médico- si un preciso algoritmo informático pronostica que va a desarrollar una enfermedad? ¿Sería una negligencia si no lo hiciera?

El desafío a corto plazo es confirmar la exactitud de los pronósticos y ver cómo introducirlos en el flujo de trabajo de los ya sobrecargados profesionales sanitarios. Lo ideal sería que los pronósticos fueran acompañados de información basada en la evidencia para orientar al médico en la toma de decisiones. Las organizaciones sanitarias comprometidas con la salud de la población (en donde el cuidado está organizado en grupos de pacientes, por ejemplo, de diabetes) tendrán que encontrar vías para aprovechar esta información. Al final, esta revolución quizás conducirá a un renacimiento en la prevención de enfermedades, especialmente de aquellas pronosticadas por vía informática.

Los avances en Machine Learning y predicción de enfermedades ya están en marcha. Sólo es cuestión de tiempo que estos pronósticos se conviertan en un factor a tener en cuenta en el tratamiento del paciente. El reto principal será conseguir que las intervenciones preventivas puedan mantener el ritmo de los pronósticos.