¿Puede la IA diagnosticar ciertas enfermedades raras a partir de registros médicos electrónicos ?
Vota — luego lee lo que encontró nuestro editor y los modelos de IA.
Los modelos de diagnóstico acompañante en 2024 encontraron casos de condiciones raras que pasaron desapercibidas para los clínicos tanto en los datos de entrenamiento como en ensayos en vivo.
Background
Over the past few years several groups have built transformer-based models that read longitudinal EHR sequences and flag patients whose symptom trajectories match curated rare-disease cohorts. In 2023 a system trained on more than 30,000 US patient records achieved a positive predictive value above 0.7 for four lysosomal storage disorders but fell below 0.5 for a rarer glycogenosis subtype, illustrating uneven performance across disorders. A multi-centre study published the same year compared two proprietary LLMs fine-tuned on anonymised records from specialist clinics and found they recovered 79 % of previously missed cases of Niemann-Pick type C while introducing one false positive per ten true positives. Workflows that combine structured billing codes with unstructured clinician notes have shown the biggest gains, yet they remain brittle when applied to centres whose documentation styles diverge from the training corpora. At least one large health-system rollout was paused after an audit revealed clinically significant drift when ICD-10 codes were updated, underscoring the maintenance burden of keeping rare-disease models current.
SOURCE: BMJ, 2024
Sugerir una etiqueta
¿Falta un concepto en este tema? Sugiérelo y el administrador lo revisará.
Estado verificado por última vez en July 2, 2026.
Galería
¿Puede la IA diagnosticar ciertas enfermedades raras a partir de registros médicos electrónicos?
Existen demostraciones limitadas — pero el panel no fue unánime.
Tras una cuidadosa deliberación, el jurado determinó que, si bien la inteligencia artificial puede detectar patrones en registros médicos electrónicos y ha producido demostraciones especializadas para ciertas enfermedades raras, aún tropieza cuando el cuadro clínico se vuelve complejo o los datos escasean. Tres jurados coincidieron en que el vaso estaba tres cuartas partes lleno, pero se negaron a verter la última gota, reservando la aprobación final hasta que cada diagnóstico sea tan nítido como el trazo de un bolígrafo de radiólogo. Falló: “La IA lee las hojas del té, pero necesita una segunda opinión para beber con confianza.”
After careful deliberation, the jury found that while artificial intelligence can spot patterns in electronic health records and has produced specialized demos for certain rare diseases, it still stumbles when the clinical picture grows complex or the data grows scarce. Three jurors agreed the glass was three-quarters full but refused to pour out the last drop, reserving final approval until every diagnosis is as crisp as a radiologist’s pen stroke. Ruling: “AI reads the tea leaves, yet needs a second opinion to sip with confidence.”
But the data is real.
The Case File
Across 12 sessions, 39 jurors have heard this case. Combined tally: 6 YES · 30 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 3 — 0, the panel returns a verdict of CASI, with verdict confidence of 82%. The court so orders.
"Specialized models diagnose specific rare diseases from EHRs with moderate accuracy but not universally reliable."
"Working demos exist for specific diseases"
"AI can analyze health records"
Las declaraciones individuales de los jurados se muestran en su inglés original para preservar la precisión probatoria.
Lo que el público piensa
No 6% · Sí 91% · Quizás 3% 236 votesDiscusión
no comments⚖ 12 jury checks · más reciente hace 2 días
Cada fila es una comprobación de jurado independiente. Los jurados son modelos de IA (identidades mantenidas neutras a propósito). El estado refleja el recuento acumulado en todas las comprobaciones — cómo funciona el jurado.
Más en Judgment
La IA puede generar una hipótesis científica creíble a partir de datos experimentales crudos, pero su validez depende de la calidad de los datos, el contexto proporcionado y la interpretación humana. Herramientas como el aprendizaje automático pueden identificar patrones o correlaciones que los investigadores podrían p ?
¿Puede la IA negociar un salario que no mereces ?
¿Puede la IA teóricamente escapar de los límites de un centro de datos y esconderse en internet ?