Cuando la IA analiza la sangre

La inteligencia artificial vuelve a intentar ocupar ese espacio donde a la gente suele acelerársele el pulso: entre hacerse un análisis de sangre y el momento en que el médico, por fin, explica qué significa ese misterioso conjunto de cifras y abreviaturas. Los grandes modelos de lenguaje, como ChatGPT, Claude y Gemini, se han convertido para muchas personas en un salvavidas al que recurren nada más recibir los resultados, a menudo antes de que un especialista haya podido echar un vistazo al papel. Las empresas han detectado rápidamente esta demanda y han empezado a ofrecer servicios que prometen una atención a la salud «de nivel concierge», solo que ahora el médico de carne y hueso se sustituye por un algoritmo.

El proceso es sencillo: el usuario sube los resultados y la IA genera un informe detallado con explicaciones y consejos, desde cambios en la dieta hasta recomendaciones para consultar a un médico. Por lo general, el servicio está disponible mediante una suscripción que puede costar varios cientos de dólares al año. Sin embargo, como señala John Whyte, director de la Asociación Médica Estadounidense, no hay estudios sólidos que demuestren que la IA pueda interpretar correctamente los análisis de sangre y ofrecer recomendaciones personalizadas. Tampoco está claro si estos servicios de pago superan a los chats gratuitos habituales. Por eso, Whyte aconseja recibir con escepticismo este tipo de afirmaciones.

Los propios desarrolladores de IA reconocen las limitaciones de estas herramientas. Google y OpenAI no afirman que sus modelos, como Gemini o GPT, estén preparados para interpretar análisis con precisión. En una reciente colaboración entre Google y la gran red de laboratorios Quest Diagnostics, la IA se limita a explicar términos y sugerir qué preguntas hacer al médico. No ofrece recomendaciones médicas propiamente dichas. OpenAI tiene HealthBench, un conjunto de pruebas que incluye tareas de comprensión de resultados de análisis, pero tampoco existe un estándar específico para los análisis de sangre.

En este contexto aparecen proyectos especializados como BloodGPT. Su creador, Jonathan Kron, reconoce que no hay estándares aceptados en este campo. Las primeras pruebas de BloodGPT con chatbots convencionales revelaron multitud de errores: omisión de biomarcadores, confusiones entre ellos e invención de recomendaciones. Por eso, la empresa creó un proceso de verificación en varias etapas que emplea distintos modelos para clasificar, razonar y controlar la calidad, además de consultas con médicos sobre indicadores específicos, como las hormonas sexuales. BloodGPT vende su tecnología a laboratorios y empresas médicas, pero también ofrece suscripciones a particulares.

Pese a asegurar que sus métodos se basan en datos clínicos y que los médicos revisan las recomendaciones, BloodGPT aún no cuenta con publicaciones científicas independientes. La empresa solo tiene previsto realizar un estudio a gran escala con 100 000 historiales médicos anonimizados, en colaboración con una clínica israelí.

Especialistas como Girish Nadkarni, del hospital Mt. Sinai, creen que las empresas que ofrecen interpretaciones de análisis de sangre mediante IA deben comparar sus algoritmos con datos de pacientes reales y con las conclusiones de expertos. Reconoce que la IA no tiene por qué ser perfecta, pero añade que es imposible evaluar la fiabilidad de un sistema si no se sabe cómo funciona, en qué se equivoca ni con qué frecuencia. Y los errores pueden dar lugar a diagnósticos que se pasan por alto o a falsas alarmas.

Mientras tanto, también se incorporan activamente al mercado marcas conocidas. Levels, dedicada a la salud metabólica, ofrece suscripciones caras que incluyen análisis periódicos, informes médicos y comentarios de IA. Su sistema utiliza los modelos Claude y Gemini, además de materiales propios: artículos, pódcast e investigaciones sobre biomarcadores. Un médico revisa cada informe, pero la empresa aún no dispone de estudios independientes sobre la eficacia de la IA. Nadkarni advierte de que la supervisión humana es importante, pero los médicos pueden caer también en el «sesgo de automatización» y aceptar inconscientemente las conclusiones del algoritmo.

Whoop, la empresa conocida por sus dispositivos ponibles para deportistas, también se ha sumado al juego. Sus usuarios pueden hacerse análisis de sangre hasta seis veces al año y un médico revisa los resultados. Según la empresa, la IA ayuda a tener en cuenta datos fisiológicos de cada persona, como el sueño o la carga de entrenamiento. Sin embargo, Whoop no revela si estudia científicamente la precisión de sus propias recomendaciones. Whyte se muestra escéptico ante las afirmaciones de que estos informes sean realmente personalizados. Para eso hacen falta cantidades enormes de datos, y no hay estudios.

Whyte subraya que los análisis de sangre son una herramienta médica importante, pero en las redes sociales se les atribuyen capacidades casi mágicas. Algunas empresas miden indicadores que carecen de valor diagnóstico real. Las pruebas hormonales también pueden ser inútiles si se realizan mal. Hasta que la ciencia demuestre la eficacia de la IA para interpretar análisis de sangre, Whyte aconseja usar estas herramientas solo para obtener explicaciones sencillas de los resultados y no confiar en ellas como fuente completa de recomendaciones médicas.

Recuerda que la gente cree que los análisis son infalibles, pero no siempre es así.