¿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 August 19, 2026.
Galería
¿Puede la IA diagnosticar ciertas enfermedades raras a partir de registros médicos electrónicos?
Existen demostraciones limitadas — pero el panel no fue unánime.
After weighing the evidence, the jury found AI capable of diagnosing certain rare diseases from electronic health records under constrained conditions, but not yet universally reliable—a distinction both jurors captured with their "Almost" verdicts. They agreed AI excels in narrow domains but falters when asked to generalize across the vast landscape of rare conditions. The bench’s ruling: "AI can spot the needles in the haystack, but it hasn’t yet learned to name every needle—just the ones it’s been trained to hold.
But the data is real.
The Case File
Across 21 sessions, 56 jurors have heard this case. Combined tally: 9 YES · 44 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 — 2 — 0, the panel returns a verdict of CASI, with verdict confidence of 82%. The court so orders.
"Narrow AI models have demonstrated rare disease detection from EHR in limited studies, but not general, reliable across all rare conditions."
"Specialized AI models diagnose rare diseases from EHRs in narrow domains with partial reliability."
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⚖ 21 jury checks · más reciente hace 44 minutos
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
¿Puede la IA resolver preguntas de entrevistas de codificación a nivel de contratación en FAANG ?
¿Puede la IA salir de una habitación cuando debería ?
¿Puede la IA reemplazar el 50% de toda la investigación en descubrimiento de fármacos diseñando y probando de forma autónoma nuevas moléculas *in silico* mediante IA generativa y simulaciones de computación cuántica ?