Prediure salut

Llegir la història clínica dels pacients és la base del nou model ‘Delphi‑2M’, un model de llenguatge generatiu publicat recentment a ‘Nature’. Igualment com funcionen els ‘xatboxs’ com ChatGPT i Gemini –entrenats per completar textos de manera probabilística–, Delphi transforma dades clíniques de diagnòstics, edat, sexe i hàbits de vida en ‘tokens’ i aprèn patrons temporals per predir quines malalties podràs tenir –i quan.

Entrenat a partir de la base de dades del UK Biobank, Delphi pretén ser un model holístic per predir simultàniament més de mil malalties –amb una més que notable precisió mitjana i una sorprenent estabilitat durant la validació externa amb dades de població danesa. Però no només prediu. També pot generar trajectòries de salut sintètiques. És a dir: simular com evoluciona una persona entre els 60 i els 80 anys, i assenyalar quins diagnòstics previs contribueixen més a cada predicció. La seva aplicació última seria anticipar-se abans del diagnòstic i obrir les portes a una prevenció primària real.

Però la frontera entre promesa i hipèrbole és fina. Tal com recorda el cardiòleg Eric Topol en el seu comentari “’It’s Time for Primary Prevention in Medicine’”, la medicina ha fracassat històricament en la prevenció real de les malalties no transmissibles. És cert que hem millorat la detecció precoç d’un càncer o una demència, però prevenir-les del tot continua sent una fita bastant allunyada de la realitat. Delphi‑2M, segons Topol, representa un canvi de paradigma perquè pot individualitzar el risc, ubicar-lo en el temps i fer-ho amb dades longitudinals reals. Ara bé, també admet que aquest tipus de models tenen limitacions greus: biaixos de selecció de dades, soroll en la codificació i anotació, absència de capes crítiques contemporànies com la genòmica, i una manca total de validació prospectiva en entorns clínics reals.

Ara com ara, la discussió vira cap a la qüestió de com utilitzar aquests tipus de models holístics de predicció. Implementar un sistema com aquest en pràctica clínica pot comportar efectes col·laterals imprevistos. Els mateixos editors de ‘Nature’ ho diuen clar: el potencial predictiu no pot substituir ni la interpretació clínica ni l’ètica del context dels pacients.

També caldrà veure com es regula tot això. Quina governança tindran aquests models? Quins drets tindran els pacients sobre les seves prediccions? Com s’evitarà que es perpetuïn desigualtats en l’accés a la prevenció?

Delphi‑2M és un avenç rellevant. Però hauria de ser només una primera passa. Per aconseguir una autèntica prevenció primària, fa falta molt més que prediccions. S’ha de pensar i gestionar com intervenir en la prevenció, de forma justa i segura. Aquí, la tecnologia ha de caminar al costat de la regulació, la medicina i l’autonomia dels pacients. Predir malalties potser ens ajuda a veure el futur, però entendre com actuar-hi és una altra història.