Can Large Language Models Diagnose Primary Immunodeficiency from Patient-Described Symptoms?

Para millones de personas, el camino hacia un diagnóstico médico no es una línea recta, sino un viaje largo y confuso. Esto es especialmente cierto para aquellos con condiciones raras, donde los síntomas pueden ser vagos, comunes o fácilmente confundidos con otra cosa. En años recientes, muchos de estos individuos han recurrido a un nuevo tipo de ayudante: los modelos de lenguaje de gran tamaño. Estos son programas informáticos avanzados entrenados en vastas cantidades de texto, capaces de mantener conversaciones y responder preguntas sobre la salud. Se han convertido en un recurso recurrente para las personas que intentan dar sentido a sus propios cuerpos, a menudo antes de ver a un especialista. Pero queda una pregunta crítica: ¿pueden estas herramientas digitales comprender verdaderamente a un paciente cuando es el propio paciente quien describe el problema? La respuesta depende en gran medida de quién esté hablando. Cuando un médico resume un caso utilizando términos médicos precisos, la computadora entiende perfectamente. Cuando una persona común describe su dolor, fatiga o infecciones recurrentes en un lenguaje cotidiano, la computadora a menudo se pierde.

Un equipo de investigadores se propuso probar esta brecha entre el lenguaje experto y el lenguaje del paciente, centrándose en un grupo de trastornos raros conocidos como inmunodeficiencias primarias. Estas son condiciones donde el sistema de defensa natural del cuerpo, que usualmente combate los gérmenes, está roto o ausente. Las personas con estas condiciones enferman con mucha frecuencia, a veces con infecciones severas que requieren hospitalización, y enfrentan un alto riesgo de otras complicaciones como enfermedades autoinmunes. Debido a que estas condiciones son raras y complejas, los pacientes suelen esperar años por un diagnóstico correcto, un retraso que puede ser peligroso y emocionalmente agotador. Durante este periodo de espera, muchos recurren a los chatbots en busca de respuestas. Los investigadores querían saber si estos chatbots podrían detectar las señales de un sistema inmunológico dañado cuando la descripción proviene directamente del paciente, en lugar de un médico.

Para averiguarlo, los investigadores recopilaron historias de veintiún adultos que ya habían sido diagnosticados con inmunodeficiencia primaria. Estos individuos habían experimentado todos largos retrasos en la obtención de su diagnóstico. El equipo les pidió que describieran los primeros síntomas que les hicieron sentir que algo andaba mal. Los investigadores tomaron estas descripciones brutas y sin editar —exactamente como los pacientes las dijeron, con todas sus dudas, repeticiones y palabras cotidianas— y las introdujeron en un poderoso modelo de lenguaje de gran tamaño. Eliminaron cualquier mención al diagnóstico final para que la computadora tuviera que confiar únicamente en los síntomas. El objetivo era simple: ¿sugeriría la computadora que el paciente podría tener una inmunodeficiencia primaria, o al menos reconocería que el problema era su sistema inmunológico?

Los resultados revelaron una diferencia marcada entre cómo rinde la computadora con la entrada de un experto frente a la entrada de un paciente. En un estudio previo utilizando el mismo modelo de computadora, cuando los médicos escribían las historias de los pacientes usando lenguaje médico profesional, la computadora identificaba correctamente la condición en el noventa y seis por ciento de los casos. Era casi perfecta. Sin embargo, cuando los investigadores utilizaron las propias palabras de los pacientes, el rendimiento de la computadora cayó drásticamente. Identificó correctamente la inmunodeficiencia primaria en solo siete de los veintiún casos, lo que es aproximadamente un tercio. La computadora no logró nombrar la condición específica en la mayoría de los casos, a pesar de que los pacientes estaban describiendo exactamente las mismas enfermedades.

A pesar de no identificar el diagnóstico específico, la computadora no fue enteramente inútil. En diecisiete de los veintiún casos, sugirió que el paciente podría tener problemas generales con su sistema inmunológico, incluso si no nombraba la enfermedad rara específica. Este es un hallazgo significativo porque sugiere que la herramienta aún puede actuar como una señal útil. Para un paciente al que varios médicos le han dicho que sus síntomas son solo estrés o alergias, una computadora que sugiere "problemas del sistema inmunológico" podría animarlo a buscar un especialista. Sin embargo, el estudio también mostró que la computadora a menudo adivinaba otras condiciones más comunes. Frecuentemente sugería alergias, factores ambientales como la mala calidad del aire o problemas endocrinos como problemas de tiroides. Estos son los tipos de cosas que los médicos consideran primero, pero también pueden ser callejones sin salida para alguien que realmente tiene un trastorno inmunológico raro.

Los investigadores encontraron que la computadora tenía más probabilidades de acertar el diagnóstico cuando la historia del paciente incluía tres pistas específicas: infecciones que comenzaron en la infancia, infecciones muy graves que requirieron hospitalización, o síntomas que no eran infecciones en absoluto, como la falta de crecimiento o problemas digestivos. Cuando los pacientes describían sus luchas de estas formas claras y clásicas, la computadora tenía una mejor oportunidad de conectar los puntos. Pero cuando las descripciones eran más sutiles o se centraban en la sensación general de malestar, la computadora tenía dificultades. Esto resalta una debilidad fundamental: la herramienta es altamente sensible a cómo se cuenta la historia. Prospera con el lenguaje estructurado y preciso de la medicina, pero flaquea ante la forma desordenada, emocional y variada en que las personas realmente hablan de su salud.

Los autores del estudio advierten cuidadosamente que esto no es un veredicto final sobre la seguridad o utilidad de estas herramientas, sino más bien una advertencia sobre cómo se utilizan actualmente. Señalan que su prueba fue un escenario ideal. Los pacientes entrevistados conocían su diagnóstico y podrían haber recordado sus síntomas con más claridad de lo que lo habrían hecho al principio de su enfermedad. Si la computadora se desempeña así de mal con relatos retrospectivos claros, podría desempeñarse aún peor con pacientes confundidos previos al diagnóstico que no están seguros de qué les sucede. Además, el estudio no probó con qué frecuencia la computadora daría falsas alarmas a personas sanas, lo cual es una preocupación importante. Si la herramienta señala a demasiadas personas sanas como si tuvieran problemas inmunológicos, podría abrumar a los médicos y retrasar la atención para quienes realmente la necesitan.

En última instancia, esta investigación subraya un desafío creciente en la medicina moderna. A medida que más personas recurren a la inteligencia artificial para obtener orientación sobre la salud, la brecha entre lo que la tecnología puede hacer y cómo las personas la usan realmente se convierte en un problema de seguridad. La computadora no está rota; simplemente está entrenada para entender el lenguaje de los expertos, no el lenguaje de los pacientes. Para los millones de personas que navegan por una odisea diagnóstica, la promesa de estas herramientas permanece insatisfecha hasta que puedan realmente escuchar a la persona en la habitación, no solo al expediente médico. El camino a seguir requiere la construcción de sistemas que puedan cerrar esta división, asegurando que cuando un paciente describa su sufrimiento en sus propias palabras, la respuesta que reciba no sea solo una suposición, sino una guía confiable hacia la atención que necesita.