Crean una inteligencia artificial capaz de predecir la muerte de una persona para los próximos cuatro años de su vida

Ahora, un grupo de investigadores de la Universidad Técnica de Dinamarca ha querido demostrar el poder de estos nuevos modelos predictivos con un asunto, cuanto menos, polémico, aunque bien estudiado: la muerte. En concreto, su sistema, bautizado como 'life2vec', tiene capacidad de predecir con un 78% de precisión el fallecimiento de una persona en los próximos cuatro años introduciendo información sobre sus estudios, empleo o datos médicos. Y no queda ahí, ya que su algoritmo también puede analizar rasgos de la personalidad de las personas, como el grado de sociabilidad, la autoestima o la vitalidad. Los resultados acaban de publicarse en la revista 'Nature Computational Science'.

Los científicos llevan debatiendo desde hace años si se pueden predecir con fiabilidad aspectos de la vida humana. Hasta ahora, aunque se sabe que existen factores sociodemográficos que desempeñan un papel importante en el devenir de nuestros futuros, los modelos predictivos -al menos los públicos- no han sido todo lo precisos que cabría esperar. En base a este reto, el equipo dirigido por Sune Lehmann se planteó crear un algoritmo más preciso que pudiese «construir trayectorias de vida humanas individuales».

«Aunque suene extraño, realmente no estábamos interesados en las predicciones», explica a ABC Lehmann, primer autor del artículo. «Elegimos el tema de predecir la muerte porque es un problema en el que ha trabajado mucha gente y eso significa que sabemos más sobre qué esperar... Y que, si lo conseguíamos, estábamos compitiendo contra otros muchos algoritmos», dice.

Noticia Relacionada

La revista 'Nature' incluye por primera vez a alguien no humano en su lista de personalidades del año

Judith de Jorge

La publicación incorpora a ChatGPT por modificar «de forma profunda el desarrollo y el progreso de la ciencia»

Para conseguirlo, se fijaron en los modelos de lenguaje como ChatGPT: igual que estos sistemas establecen relaciones entre palabras para 'responder' a su interlocutor, el modelo de Lehmann utiliza acontecimientos relacionados con la salud, el trabajo o los estudios para predecir el futuro de sus vidas. «Al igual que en el lenguaje, donde el orden de las palabras es muy importante, también lo es el orden de los acontecimientos en las vidas humanas. En el contexto de Estados Unidos, por ejemplo, importa mucho si consigues un trabajo con un seguro sanitario y luego te enfermas; es diferente si enfermas por primera vez sin tener esta clase de cobertura», indica el investigador.

El equipo se basó en modelos de transformadores para encontrar patrones en el lenguaje. Esos patrones y relaciones entre acontecimientos de la vida están codificados en espacios matemáticos. «Los llamamos espacios de incrustación -señala Lehmann-. Aprendemos la estructura de esos espacios observando las secuencias de vida de muchos millones de individuos. Basándonos en estos espacios, podemos hacer predicciones precisas de los acontecimientos de la vida», explica.

'Alimentaron' sus modelos con datos sobre educación (por ejemplo, si habían cursado estudios superiores o en qué universidad), salud (utilizando registros médicos que detallaban enfermedades, ingresos ambulatorios o tratamientos), ocupación (y cambios de trabajo) y otros datos sobre acontecimientos de la vida de alrededor de seis millones de personas de un registro nacional de Dinamarca entre los años 2008 y 2020. Sin embargo, a 'life2vec' sólo se la alimentó con información de personas en el rango de edad de 35 a 65 años comprendida entre los años 2008 y 2015 con el objetivo de comprobar si sus predicciones se correspondían con la realidad (reflejados en los datos de 2016 a 2020).

La máquina arrojó en sus pronósticos de vida una precisión del 78%, si bien este dato tiene 'truco'. «Para nuestra población relativamente joven, muy pocas personas mueren, por lo que si simplemente seleccionáramos personas al azar, la tasa de muerte sería muy baja», señala Lehmann. «Por lo tanto, cuando hacemos predicciones, para que las cosas sean más justas, equilibramos la muestra de modo que la mitad sobreviva y la otra mitad muera. De esa manera, una suposición aleatoria tendría una precisión del 50%. Es en ese escenario que tenemos como resultado un 78%», explica.

Por otro lado, la máquina también tiene el hándicap de que no es capaz de predecir las muertes accidentales, que son «más o menos imposibles de predecir», indica el autor.

El sistema también se utilizó para predecir rasgos de la personalidad. Por ejemplo, para saber si alguien es introvertido o extrovertido, teniendo en cuenta preguntas que tenían que ver con la autoestima social, a la audacia social (sentirse cómodo en entornos sociales diversos), a la sociabilidad o disfrute de las interacciones sociales y, finalmente, evaluando la vitalidad (que incluye entusiasmo y energía general).

Lógicamente, estos datos no eran tan fáciles de comprobar como los de la mortalidad, por lo que usaron la información del Panel Danés de Personalidad y Comportamiento Social (POSAP, por sus siglas en inglés) para evaluar los resultados. «En este caso, solo se hicieron predicciones para este grupo», dice Lehmann, quien aclara que, en el caso de la muerte, el algoritmo podría ser utilizado para cualquier persona, a pesar de que solo fue alimentado con datos de población danesa. En cuanto a la precisión del algoritmo para vaticinar personalidades, los resultados fueron también positivos: 'life2vec' consiguió superar a otros sistemas parecidos al menos en un 11%.

El equipo sabe que su sistema conlleva una serie de reflexiones éticas y que no puede ser utilizado, al menos de momento, para determinados escenarios. «Este trabajo nunca debería usarse en el ámbito de los seguros, por ejemplo. Toda la idea del seguro se basa en la idea de compartir el riesgo entre muchas personas. Si un millón de personas se reúnen, no saben quién va a enfermar, por lo que todos pueden pagar una pequeña cantidad a un gran fondo compartido y los pocos que tienen la mala suerte de enfermarse gravemente desde el principio pueden recurrir al fondo para obtener ayuda. Como no sabemos quién se va a enfermar, es un buen negocio. Si pudiéramos saber con anticipación quién se enfermaría, socavaría toda la idea del seguro», explica. Señala, además, que existen muchas cuestiones relacionadas con la privacidad o los prejuicios «que deben resolverse antes de utilizarlo en la práctica».

Sin embargo, Lehmann defiende que su algoritmo podría ser muy útil, por ejemplo, en el ámbito de la atención sanitaria y la medicina. «Un diagnóstico temprano podría disminuir la gravedad de muchas enfermedades», sostiene, aunque aboga por un estudio previo de las consecuencias o cómo utilizarlo de manera responsable.

Aún así, el investigador dice que con este trabajo se inicie una discusión sobre cómo usar estas tecnologías que no son, ni mucho menos, nuevas. «Predicciones como éstas ya se están produciendo dentro de las grandes empresas tecnológicas. Hay razones por las que Meta, Google, Microsoft, etc, recopilan tantos datos sobre nosotros. Pero ahora mismo esas predicciones se realizan a puerta cerrada con la intención de predecir (y a veces manipular) nuestro comportamiento. Por ahora, es principalmente para hacernos mirar más tiempo nuestras pantallas o vender productos, pero eso probablemente cambiará. Pero está sucediendo y probablemente será cada vez más común».