A Scoping Review of Foundation Models in Dementia Research

La demencia es un desafío profundo tanto para las familias como para los sistemas de salud, una condición que erosiona lentamente la memoria y la independencia. A medida que la población mundial envejece, el número de personas que viven con esta condición está aumentando, lo que crea una necesidad urgente de mejores formas de detectarla tempranamente. La detección temprana es crítica porque están surgiendo nuevos tratamientos que funcionan mejor cuando se inician al puro comienzo de la enfermedad, antes de que ocurra un daño significativo. Para encontrar estas señales tempranas, los científicos están recurriendo a la inteligencia artificial, específicamente a un nuevo y poderoso tipo de programa informático conocido como modelo fundacional. Piense en estos modelos como vastas bibliotecas de conocimiento que han leído millones de libros, escuchado innumerables conversaciones y estudiado diversas imágenes, lo que les permite comprender patrones en el lenguaje y el comportamiento humano que un programa informático estándar podría pasar por alto. Los investigadores esperan que estas herramientas puedan escuchar el habla de un paciente, leer sus notas médicas o analizar escaneos cerebrales para detectar las huellas sutiles de la demencia mucho antes de que un médico pueda notarlas.

Un equipo de investigadores de universidades del Reino Unido se propuso recientemente mapear el panorama actual de esta tecnología. Querían saber exactamente cómo se están utilizando estos sistemas avanzados de IA para estudiar la demencia, qué tan bien funcionan realmente y qué brechas quedan antes de que puedan ser confiables en un hospital. Para responder a esto, realizaron una revisión amplia de artículos científicos publicados entre enero de 2022 y agosto de 2026. Buscaron estudios que aplicaran estos modelos fundacionales a tareas como la detección de la enfermedad, el diagnóstico o la predicción de cómo podría progresar o la estimación del riesgo de una persona de desarrollar la misma. Tras filtrar cientos de registros, seleccionaron cincuenta estudios de alta calidad para analizarlos en profundidad, examinando los métodos utilizados, los datos suministrados a las computadoras y los resultados alcanzados.

Los investigadores encontraron que el campo avanza rápido pero permanece en sus etapas iniciales. La mayoría de los estudios se centraron en dos tareas principales: detectar la presencia de la demencia o diagnosticarla después de que aparecen los síntomas. La forma en que estos modelos fueron construidos varió significadamente. Algunos estudios utilizaron modelos que ya habían sido entrenados en cantidades masivas de datos generales y luego fueron cuidadosamente ajustados, o "ajustados finamente" (fine-tuned), para tareas de demencia. Otros utilizaron sistemas de IA comerciales, los que están disponibles para el público, simplemente haciéndoles preguntas o dándoles datos sin cambiar sus configuraciones internas. Un grupo más pequeño de estudios construyó modelos desde cero, entrenándolos enteramente con datos nuevos. Los resultados mostraron un claro compromiso entre el tamaño del modelo y su fiabilidad. Los sistemas comerciales masivos produjeron las puntuaciones más altas en algunos casos, pero su desempeño fue increíblemente inconsistente; en algunas instancias, no funcionaron mejor que el azar. En contraste, los modelos que fueron ajustados finamente para la tarea específica de la investigación de la demencia entregaron los resultados más consistentes y dependientes, con la mayoría de los estudios mostrando un fuerte desempeño. Los modelos construidos desde cero generalmente funcionaron de manera moderada, fallando a menudo en superar a tipos de programas informáticos más simples y antiguos.

A pesar de estos prometedores resultados técnicos, la revisión reveló serias limitaciones que impiden que estas herramientas sean utilizadas en clínicas reales hoy en día. Un problema principal fue la falta de diversidad en los datos. La gran mayoría de los estudios dependieron de datos de los Estados Unidos, y los participantes fueron abrumadoramente blancos. Muy pocos estudios informaron sobre la raza o etnia de las personas involucradas, y muchos ni siquiera informaron sus edades. Cuando se informó el género, los resultados rara vez se desglosaron para ver si la IA funcionaba por igual para hombres y mujeres. Esta falta de diversidad significa que no sabemos si estas herramientas funcionarán para personas de diferentes orígenes, idiomas o edades. Además, los datos utilizados fueron a menudo limitados, dependiendo fuertemente de grabaciones de voz o de un solo tipo de registro médico, en lugar de combinar múltiples fuentes como escaneos cerebrales, información genética y datos de estilo de vida.

Otro hallazgo crítico fue la debilidad en cómo estos modelos fueron probados. En la investigación médica, una nueva herramienta debe demostrar que funciona con datos que nunca ha visto antes para asegurar que no está simplemente memorizando las respuestas. La mayoría de los estudios revisados solo probaron sus modelos con los mismos datos que usaron para entrenarlos, una práctica que puede conducir a resultados excesivamente optimistas. Solo un pequeño número de estudios probó sus modelos en grupos de personas completamente separadas de otros hospitales o regiones. Incluso menos compararon sus resultados contra el estándar de oro para el diagnóstico de la demencia, que es el examen del tejido cerebral después de la muerte. Sin esta prueba rigurosa, es imposible saber si estos sistemas de IA pueden manejar la complejidad y variedad de los pacientes del mundo real. Los investigadores concluyeron que, si bien la tecnología tiene un gran potencial, actualmente es una prueba de concepto más que una solución lista para usar. Para pasar del laboratorio a la clínica, la investigación futura debe priorizar conjuntos de datos más grandes y diversos, pruebas rigurosas en grupos independientes y una comprensión clara de cómo estas herramientas funcionan a través de diferentes poblaciones. Hasta entonces, estos poderosos sistemas siguen siendo un trabajo en progreso, ofreciendo un vistazo al futuro pero no un reemplazo para el juicio clínico humano.