Un estudio muestra que herramientas de IA entrenadas con texto genérico pueden interpretar historiales médicos con la misma precisión que modelos diseñados específicamente para ese fin, sin necesidad de acceder a datos hospitalarios privados.
Un equipo de investigadores del Berlin Institute of Health at Charité, en colaboración con el MIT, demostró que un modelo de lenguaje de propósito general, Qwen3-Embedding-8B, alcanza un desempeño prácticamente idéntico al de un sistema construido exclusivamente para procesar expedientes clínicos electrónicos. En una prueba con 15 tareas de predicción médica, el modelo genérico obtuvo una puntuación de precisión de 0.769, la misma cifra que logró CLMBR-T-Base, el modelo especializado desarrollado con datos de más de 2.5 millones de historiales de la Universidad de Stanford.
La investigación, publicada en npj Digital Medicine, aborda un problema práctico que enfrenta la inteligencia artificial (IA) en salud. Los sistemas de predicción clínica suelen entrenarse con el vocabulario médico de un solo hospital o sistema de salud, lo que limita su capacidad de funcionar en otras instituciones que usan códigos distintos. Cuando los autores probaron el modelo especializado con datos del UK Biobank, un banco de información médica de más de 500 mil participantes en Reino Unido, solo 16% de los códigos clínicos pudieron reconocerse, ya que el resto no coincidía con el vocabulario en el que había sido entrenado originalmente.
Para resolver esta limitación, los investigadores convirtieron los registros médicos en texto simple, reemplazando cada código clínico por su descripción en lenguaje natural, como el nombre de un medicamento, un diagnóstico o un resultado de laboratorio. Esta lista de descripciones se entregó a un modelo de lenguaje entrenado con textos generales de internet, capaz de generar una representación numérica del historial completo del paciente. Esa representación se utilizó después para entrenar clasificadores que predicen eventos como reingresos hospitalarios, estancias prolongadas o el desarrollo de nuevas enfermedades.
Al aplicar este enfoque al UK Biobank, el modelo de lenguaje general superó al sistema especializado, con una puntuación de 0.751 frente a 0.736, una diferencia que los autores atribuyen a su capacidad de reconocer un rango más amplio de códigos médicos y a una mejor adaptación a datos de otros sistemas hospitalarios. El estudio también encontró que la ventaja del modelo genérico es más notoria cuando hay pocos ejemplos disponibles para entrenar el sistema, una situación común en enfermedades poco frecuentes donde escasean los datos.
Asimismo, el trabajo reconoce también los costos de esta flexibilidad, pues procesar el conjunto completo de datos de prueba tomó casi 22 horas con el modelo de lenguaje general, frente a apenas seis minutos que requirió el sistema especializado, una diferencia que los autores relacionan con el mayor tamaño y complejidad computacional de los modelos de lenguaje. Los propios investigadores señalan en el estudio que que sus comparaciones están limitadas por diferencias de arquitectura y escala entre ambos tipos de modelos, y que evaluar el enfoque en sistemas de salud adicionales será necesario para confirmar qué tan bien se generaliza a distintos contextos clínicos.
