Biomedicina · global
La IA para diagnóstico de enfermedades raras entra en un ensayo aleatorizado con médicos, y RaDaR desplaza la cuestión de responder preguntas a colaborar en la clínica
Un preprint en arXiv informa que un modelo de razonamiento de 32B parámetros diseñado para enfermedades raras aumentó la tasa de acierto diagnóstico en una validación multicéntrica y en un ensayo de asistencia a médicos; pero también recuerda que la siguiente prueba para la IA médica no es si sabe responder, sino cómo puede usarse de forma fiable.
La dificultad de las enfermedades raras no suele residir en lo desconocido que pueda ser un nombre diagnóstico concreto, sino en que las pistas quedan dispersas entre años de evolución clínica, distintas especialidades y fragmentos de historias médicas. Cuando los médicos deben ordenar diagnósticos diferenciales entre miles de posibles enfermedades en un tiempo limitado, una herramienta de IA capaz de comprender narrativas clínicas y proponer una lista breve, si realmente mejora el juicio, no es solo una versión mejorada de un motor de búsqueda.
El equipo de investigación publicó el 23 de junio en arXiv un preprint en el que presenta RaDaR (Rare Disease navigatoR), un gran modelo de lenguaje de razonamiento para el diagnóstico de enfermedades raras. Es un modelo de 32B parámetros, de orientación abierta, que según los investigadores fue entrenado con 49.170 casos públicos en texto libre y 104.666 casos sintéticos, además de incorporar un proceso de refuerzo del razonamiento, con el objetivo de que el modelo procese directamente texto clínico en lugar de depender solo de códigos fenotípicos ya estructurados.
En benchmarks públicos y en datos de cuatro centros externos de validación, RaDaR fue configurado para generar una lista candidata de hasta cinco diagnósticos posibles, no una única conclusión. El artículo informa que se situó entre los modelos con mejor desempeño en varias comparaciones con modelos de código abierto; en datos externos de historias clínicas electrónicas reales, las tasas de precisión diagnóstica enumeradas por los investigadores variaron de forma marcada según el centro, desde aproximadamente 48% hasta 84%. Esa variación también muestra por sí misma que la forma de redactar las historias clínicas, la composición de especialidades y la distribución de enfermedades influyen profundamente en la utilidad de la IA médica.
Más próximas al entorno clínico fueron dos evaluaciones de flujo de trabajo. La primera fue un análisis retrospectivo de la evolución clínica: entre 113 pacientes con enfermedades raras confirmadas y que habían pasado por múltiples consultas sin diagnóstico, RaDaR incluyó el diagnóstico final entre sus candidatos en el 61,06% de los casos antes de que la sospecha clínica de esa enfermedad rara apareciera por primera vez registrada en la historia clínica; los investigadores estimaron un posible adelanto medio de 1,87 meses. Esto no es evidencia prospectiva de desenlaces clínicos, pero plantea una pregunta concreta: si el modelo puede poner la dirección correcta ante los médicos algo antes durante el largo trayecto diagnóstico.
La segunda fue un ensayo aleatorizado de asistencia a médicos. Según el artículo, 84 médicos de 28 hospitales fueron asignados aleatoriamente a dos grupos, y 76 completaron el ensayo; el grupo de control podía usar búsquedas generales en internet, mientras que el grupo RaDaR podía usar tanto el modelo como internet. Entre quienes completaron el ensayo, la precisión diagnóstica del grupo asistido por RaDaR fue de 49,44%, frente a 28,00% en el grupo de control, una diferencia de 21,44 puntos porcentuales, sin un aumento evidente del tiempo medio de respuesta.
Sin embargo, una mayor precisión no equivale a poder entregar el control con confianza. El equipo de investigación también informó una señal de seguridad: cuando se equivocaba, el grupo asistido por RaDaR mostró una proporción más alta de puntuaciones de alta confianza, lo que indica que la IA podría hacer que algunos juicios erróneos se sostengan con mayor seguridad. Para los sistemas de apoyo a la decisión clínica, este problema de “calibración” es clave; si los médicos tratan la salida del modelo como una respuesta autorizada, y no como un diagnóstico diferencial que debe verificarse, el riesgo puede desplazarse del infradiagnóstico a la confianza excesiva.
Este estudio sigue siendo por ahora un preprint en arXiv y no puede equipararse a evidencia clínica revisada por pares; tampoco demuestra que RaDaR pueda mejorar los desenlaces de los pacientes, acortar el recorrido diagnóstico real o superar una revisión regulatoria. Su valor está en haber empujado la evaluación de la IA para enfermedades raras un paso adelante: desde responder casos estáticos hacia historias clínicas externas, puntos temporales de la evolución y la interacción con médicos. Si el siguiente paso es entrar en los hospitales, las preguntas serán más prácticas y también más estrictas: privacidad de los datos, despliegue local, seguimiento de errores, atribución de responsabilidades y cómo el modelo mantiene un desempeño fiable en distintos sistemas sanitarios.