Desarrollan una IA para detectar signos tempranos de deterioro cognitivo

Durante años, el deterioro cognitivo ha avanzado en silencio en millones de personas. No siempre porque los síntomas sean invisibles, sino porque el sistema sanitario no está diseñado para escucharlos a tiempo. La Organización Mundial de la Salud (OMS) señala que, a nivel global, afecta a cerca de 60 millones de personas. Y que las cifras se triplicarán en 2050. Y uno de los mayores obstáculos es el tiempo.

Las primeras señales suelen ser sutiles, ambiguas, mezcladas con el ruido de la vida cotidiana y enterradas en informes clínicos que los profesionales, por falta de tiempo y recursos, no pueden revisar con lupa. El resultado es conocido: cuando llega el diagnóstico formal, en muchos casos el margen de actuación ya se ha estrechado peligrosamente.

Ese retraso tiene hoy consecuencias aún más importantes. La reciente aprobación de terapias contra el alzhéimer, eficaces sobre todo en fases tempranas de la enfermedad, ha convertido la detección precoz en una carrera contrarreloj. Sin embargo, las pruebas cognitivas tradicionales siguen siendo costosas, lentas y difíciles de aplicar de forma sistemática. En ese contexto, un equipo de científicos de Mass General Brigham, en Estados Unidos, acaba de presentar una propuesta radicalmente distinta: una inteligencia artificial capaz de detectar indicios de deterioro cognitivo a partir de algo tan rutinario como las notas clínicas de una consulta médica. El sistema, cuyos resultados se han publicado en la revista npj Digital Medicine, es uno de los primeros ejemplos de IA clínica completamente autónoma. Una vez desplegado, no necesita indicaciones humanas ni ajustes manuales. Analiza la documentación clínica habitual y busca en ella patrones compatibles con deterioro cognitivo, con una especificidad del 98 % en condiciones reales, una cifra especialmente relevante en un entorno donde los falsos positivos pueden tener un alto coste emocional y sanitario.

Pero sus creadores insisten en que no se trata de un único algoritmo. “No construimos un solo modelo de IA, construimos un equipo clínico digital”, explica Hossein Estiri, director del grupo de Investigación en Inteligencia Clínica Aumentada y líder del estudio.

El sistema está formado por cinco agentes especializados que analizan, critican y refinan mutuamente sus conclusiones, de un modo que recuerda a una discusión clínica entre médicos. Cada agente cumple una función distinta y todos trabajan en un bucle hasta alcanzar un consenso o determinar que el análisis ha llegado a su límite.

Una de las claves del proyecto es su integración con la práctica clínica real. La IA se ejecuta sobre un modelo que puede instalarse en la infraestructura informática de un hospital, sin enviar datos a servidores externos ni a la nube. A partir de ahí, transforma miles de notas clínicas, en una oportunidad para detectar pacientes en riesgo que, de otro modo, podrían pasar desapercibidos.

En el estudio, el sistema analizó más de 3.300 notas clínicas correspondientes a 200 pacientes anónimos. Cuando la IA y los revisores humanos no coincidían, un experto independiente revaluaba cada caso. En el 58 % de esas discrepancias, el especialista dio la razón a la IA. “Esperábamos encontrar errores del sistema – añade Estiri -. En cambio, muchas veces descubrimos que la IA estaba haciendo juicios clínicos defendibles basados en la evidencia de las notas”.

Para Lidia Moura, neuróloga y codirectora del estudio, el valor de la herramienta está precisamente en su capacidad para leer entre líneas. “Las notas clínicas contienen susurros de deterioro cognitivo que los profesionales, desbordados de trabajo, no pueden identificar de forma sistemática. Este sistema es capaz de escuchar esos susurros a gran escala”.

Los resultados, sin embargo, no se presentan como perfectos. En pruebas equilibradas, la sensibilidad del sistema alcanzó el 91 %, pero descendió al 62 % en condiciones reales, donde la prevalencia de casos positivos era del 33 %. Los autores no ocultan estas limitaciones. Al contrario, las subrayan. El análisis de los errores reveló dos problemas recurrentes: la falta de contexto en algunas historias clínicas, donde las preocupaciones cognitivas aparecían solo como etiquetas sin narrativa, y lagunas de conocimiento del sistema ante ciertos indicadores clínicos específicos.

“Publicamos exactamente los puntos en los que la IA falla – concluye Estiri -. Si queremos que la inteligencia artificial sea fiable en medicina, tenemos que dejar de esconder los problemas de calibración”. Esa transparencia es también una declaración de intenciones. Junto al artículo científico, el equipo ha liberado Pythia, una herramienta de código abierto que permite a otros hospitales y centros de investigación desplegar sistemas similares y adaptar la optimización automática de sus propios modelos de cribado.

Más que sustituir al médico, la ambición de esta IA es otra: ampliar su campo de visión. Convertir el papeleo clínico, a menudo visto como una carga administrativa, en una fuente de información viva. Y, sobre todo, ganar tiempo. Porque, en el deterioro cognitivo, como en tantas otras enfermedades neurológicas, detectar antes no solo significa diagnosticar mejor. Significa, literalmente, no llegar demasiado tarde

¿Cuál es la mejor hora para tener sexo? La ciencia tiene la respuesta