IA biomédica · global
La forma de responder un cuestionario también puede revelar riesgo cognitivo: un modelo de IA aplicado en cinco países supera la validación con datos de China
El estudio extrajo señales de los patrones cotidianos de respuesta a cuestionarios de 45.000 adultos mayores; el entrenamiento conjunto entre países mejoró el rendimiento en la validación externa, pero, por ahora, resulta adecuado para ayudar a priorizar las evaluaciones y no puede sustituir las pruebas cognitivas ni el diagnóstico clínico.
El deterioro cognitivo suele detectarse solo después de que los síntomas afectan la vida cotidiana, y en las regiones con recursos insuficientes resulta especialmente difícil organizar evaluaciones profesionales a gran escala. Un estudio publicado en «Nature Communications» propone otra vía: sin añadir escáneres cerebrales ni análisis de sangre, busca identificar qué personas necesitan en mayor medida someterse a pruebas cognitivas adicionales a partir de la calidad de las respuestas y los patrones de comportamiento que muestran los adultos mayores al completar cuestionarios psicosociales rutinarios.
El equipo de investigación integró datos de 45.604 adultos mayores procedentes de cinco estudios de cohortes sobre envejecimiento poblacional realizados en Estados Unidos, Inglaterra, India, México y China, y desarrolló un flujo de trabajo de aprendizaje automático centrado en un modelo fundacional para datos tabulares. Este tipo de modelo procesa datos estructurados organizados en filas y columnas, no imágenes ni texto libre; además, la información de entrada principal no es qué se respondió a una pregunta concreta, sino señales cuantificables de respuestas de baja calidad durante el proceso de cumplimentación del cuestionario y variables contextuales relacionadas.
El entrenamiento multinacional produjo el resultado más concreto. Primero se entrenó conjuntamente el modelo con datos de Estados Unidos, Inglaterra, India y México, y después se validó con los datos de la cohorte china, que no había participado en el entrenamiento. En comparación con los modelos desarrollados por separado en cada país, el área bajo la curva de características operativas del receptor aumentó hasta 0,12, lo que el equipo de investigación calculó como una mejora relativa de aproximadamente el 20 %. Esta validación externa muestra que los datos procedentes de distintos entornos culturales y de encuesta podrían aportar señales predictivas ausentes en una sola cohorte.
El estudio también describe un fenómeno de «transferencia implícita de características»: aunque una cohorte carezca de algunos campos predictivos, entrenarla conjuntamente con datos de otros países que sí disponen de esos campos podría mejorar la capacidad de identificación. El análisis de curvas de decisión mostró asimismo que, si el modelo se utiliza para ordenar el riesgo a escala poblacional, existe un beneficio neto potencial en los datos de los cinco países. Por tanto, su uso práctico se asemeja más a una herramienta de triaje —que ayude a las comunidades o a los sistemas de salud pública a invitar prioritariamente a las personas de alto riesgo a una evaluación formal— que a un medio para determinar directamente quién padece demencia.
Esta distinción es muy importante. El estudio utilizó datos de cohortes existentes para desarrollar y validar el modelo, pero todavía no ha demostrado que incorporar el sistema a procesos asistenciales reales pueda reducir los retrasos diagnósticos, mejorar los resultados de salud o evitar pruebas innecesarias. La mejora del área bajo la curva tampoco puede equipararse directamente con proporciones clínicamente aceptables de falsos positivos y falsos negativos. El desempeño en los cuestionarios también puede verse afectado por el nivel educativo, el idioma, los hábitos culturales, el cansancio, las discapacidades visuales o auditivas y la forma en que ayudan los entrevistadores; si la calibración es inadecuada, la clasificación del riesgo podría, por el contrario, ampliar las desigualdades existentes.
Antes de incorporarlo al uso rutinario, el modelo todavía debe someterse a una validación prospectiva y se deben establecer umbrales de derivación claros, mecanismos de gobernanza de datos y procedimientos de revisión humana para distintas comunidades. Si el sistema empieza a influir en la elegibilidad de una persona para someterse a pruebas o en la asignación de recursos sanitarios, los organismos reguladores también deberán aclarar su clasificación como producto sanitario, la atribución de responsabilidades y los requisitos de equidad. El valor de este estudio radica en convertir comportamientos al responder cuestionarios que antes podían pasar fácilmente inadvertidos en señales preliminares de baja carga; lo que ofrece es una lista de candidatos para iniciar antes la evaluación, no una respuesta diagnóstica.