A Scalable Framework for Longitudinal Surveillance of Research Evolution in Digital Medicine

La ciencia avanza rápido, pero realizar un seguimiento de cómo cambia todo un campo es una tarea monumental. Imagine intentar comprender la evolución de un bosque entero leyendo solo un árbol; podría ver cómo cambian las hojas, pero se perdería los cambios en los patrones del dosel, las nuevas especies que echan raíces y la forma en que diferentes arboledas se conectan. Este es el desafío que enfrentan los investigadores en medicina digital, un paisaje vasto y en constante cambio donde la informática se encuentra con la salud humana. En este ámbito, herramientas nuevas como el aprendizaje automático —sistemas que aprenden de los datos para hacer predicciones— y la inteligencia artificial generativa, que puede crear nuevos textos o imágenes, están emergiendo constantemente. Al mismo tiempo, las formas en que los científicos estudian las enfermedades, desde el rastreo de virus hasta el análisis de códigos genéticos, están siendo reescritas. Debido a que tantos diarios diferentes publican trabajos en esta área, y porque el lenguaje que los científicos usan para describir su trabajo cambia con el tiempo, ningún experto individual puede tener toda la imagen en su mente. Comprender estos cambios es crucial para quienes financian y deciden dónde invertir, para los educadores que diseñan cursos y para los científicos que deciden qué problemas abordar a continuación.

Para resolver esto, un equipo de investigadores de la Universidad de Columbia construyó un nuevo sistema escalable llamado TRACE para observar la evolución de la investigación a través de todo el campo de la informática biomédica. En lugar de mirar un solo diario, recopilaron y analizaron 73,073 artículos publicados entre 2011 y 2025 de 29 revistas diferentes. El equipo enfrentó un obstáculo único: no todos los artículos vienen con una lista de palabras clave escritas por los autores. Para llenar estos vacíos, utilizaron una mezcla ingeniosa de métodos, extrayendo términos de los sitios web de las editoriales, sustituyendo descriptores médicos estandarizados e incluso utilizando una herramienta de inteligencia artificial para generar palabras clave a partir de los resúmenes de los artículos mismos. Esto les permitió rastrear 95,872 palabras clave distintas y agruparlas en temas significativos, creando un mapa claro de cómo el campo ha crecido y cambiado durante quince años.

El análisis reveló que el campo no solo ha crecido en tamaño, sino que ha pasado por tres olas superpuestas de atención. La primera ola, que ya estaba bien establecida cuando comenzó el estudio en 2011, consistía en un trabajo fundacional en biología computacional e informática básica, como herramientas de software para la gestión de datos de salud y métodos para el análisis de secuencias genéticas. La segunda ola, que irrumpió alrededor de 2019, fue impulsada por el aprendizaje automático, un conjunto de técnicas que permiten a las computadoras encontrar patrones en datos complejos. Esta ola se expandió rápidamente, llegando a representar casi la mitad de toda la producción de investigación en el campo para 2025. La tercera y más reciente ola, que surge en 2024, está definida por los modelos de lenguaje extensos y la IA generativa, tecnologías que pueden entender y generar lenguaje humano. Estas olas no reemplazaron a las anteriores; en su lugar, se superpusieron, creando un entorno de investigación rico y de múltiples capas donde las herramientas fundacionales se siguen utilizando junto con los métodos de inteligencia artificial más nuevos.

Uno de los hallazgos más sorprendentes fue que muchos declives aparentes en los temas de investigación no fueron en realidad señales de que los científicos hubieran perdido el interés. Cuando los investigadores observaron de cerca, encontraron que la caída en los números de ciertos temas a menudo coincidía con un cambio en el origen de las palabras clave. En los primeros años del estudio, muchos artículos carecían de palabras clave proporcionadas por los autores, por lo que el equipo tuvo que confiar en etiquetas médicas estandarizadas asignadas por los indexadores. A medida que más revistas comenzaron a exigir que los autores proporcionaran sus propias palabras clave, la mezcla de términos cambió. Los temas que fueron fuertemente etiquetados por los indexadores en el pasado parecieron disminuir, pero cuando los investigadores se centraron solo en las palabras clave proporcionadas por los autores, esos declives desaparecieron. Esto sugiere que el campo está creciendo en realidad en casi todas las direcciones, con la gran mayoría de los temas de investigación experimentando un aumento constante en el número de artículos publicados.

El estudio también mapeó cómo se conectan las diferentes comunidades de investigación. Encontró que las "tecnologías de salud digital" —una categoría amplia que cubre desde aplicaciones de salud móvil hasta registros médicos electrónicos— actúan como una columna vertebral central, vinculando diversas áreas de investigación. Mientras que algunos diarios se especializan profundamente en nichos específicos, como el análisis genético o la imagenología médica, la revista Journal of Biomedical Informatics surgió como un puente crucial, conectando el lado clínico de la medicina con el lado computacional. Las comunidades de investigación se están volcrando más colaborativas, con equipos que crecen en tamaño y que mezclan cada vez más a médicos clínicos con científicos de la computación. Este cambio es evidente en la autoría de los artículos, donde el número de autores por estudio ha aumentado, y el número de diferentes instituciones que trabajan juntas en un solo artículo casi se ha duplicado en la última década.

Los investigadores también examinaron cómo los principales eventos mundiales dieron forma al campo, utilizando la pandemia de COVID-19 como un estudio de caso. Encontraron que la pandemia causó un aumento masivo e inmediato en la investigación relacionada con enfermedades infecciosas y vigilancia de la salud. Sin embargo, el impacto fue más profundo que un simple pico temporal; impulsó metodologías relacionadas, como el análisis de datos y la inteligencia artificial, que crecieron junto con la investigación específica de la enfermedad. Incluso después de que la crisis inmediata pasó, el crecimiento en estas áreas no regresó a los niveles previos, sino que continuó acelerándose, lo que sugiere que la pandemia actuó como un catalizador que alteró permanentemente la trayectoria del campo.

En última instancia, este marco proporciona una forma clara y basada en datos de ver hacia dónde se dirige el campo. Muestra que, si bien el volumen de investigación está explotando, el núcleo de la disciplina se está desplazando hacia enfoques más complejos, colaborativos y orientados a la IA. Los hallazgos ofrecen una hoja de ruta para cualquiera que intente navegar este paisaje en evolución, distinguiendo entre tendencias pasajeras y cambios duraderos en la atención científica. Al separar el ruido de los cambios en los metadatos de la señal del crecimiento real de la investigación, el estudio confirma que la medicina digital no solo se está haciendo más grande, sino que se está volviendo más integrada, más diversa y cada vez más central para nuestra comprensión y mejora de la salud humana.