Esta entrada describe el proyecto DocAgents.de: un sistema multiagente de IA que analiza estudios sobre EM/SFC, COVID persistente, fibromialgia y Hashimoto y reúne los hallazgos en un grafo de conocimiento (ontología) y en un libro en crecimiento continuo.
Por qué estos cuadros clínicos son tan difíciles de abarcar
Las enfermedades autoinmunes y los cuadros clínicos de origen inmunológico se encuentran entre los temas más complejos de la medicina. El sistema inmunitario no es un órgano cerrado, sino un circuito regulador en intercambio constante con el sistema hormonal, el sistema nervioso, el intestino y el metabolismo energético. Por eso, una alteración rara vez se queda allí donde fue descrita.
La cosa se vuelve realmente confusa cuando coinciden varias enfermedades al mismo tiempo, y eso es más la regla que la excepción. El Hashimoto aparece con frecuencia junto a otros procesos autoinmunes. La EM/SFC, el COVID persistente y la fibromialgia se solapan tanto en sintomatología, diagnóstico y mecanismos supuestos que su delimitación es en sí misma objeto de investigación. A ello se suman cuadros acompañantes como los trastornos de la regulación autonómica, los problemas de mastocitos o las cuestiones relacionadas con nutrientes y exposiciones.
Estos cuadros no se suman sin más, se entrelazan. Una disfunción tiroidea altera el metabolismo energético y la capacidad de esfuerzo, y con ello la valoración de los síntomas de agotamiento. Una actividad inflamatoria desplaza valores de laboratorio que en otro ámbito se utilizan para el diagnóstico. Un hallazgo puede encajar en varias enfermedades, y una misma molestia puede clasificarse de forma completamente distinta según la especialidad médica. Quien observa una sola diagnosis ve forzosamente una imagen incompleta, y las interacciones entre las enfermedades caen justo en el hueco que queda entre las competencias.
El problema: conocimiento sin contexto
Quien se adentra en la investigación sobre EM/SFC, COVID persistente, fibromialgia o Hashimoto se topa con un problema estructural: los hallazgos relevantes están dispersos entre muchas disciplinas especializadas, desde la inmunología pasando por la endocrinología hasta la neurología, y apenas resultan legibles en su conjunto.
Esto no es casualidad, sino consecuencia de la división del trabajo en la ciencia. Un estudio sobre la función mitocondrial aparece en otra revista especializada, en otro idioma y ante otro público que un trabajo sobre serología autoinmune o sobre regulación autonómica. Cada disciplina describe con precisión su propio fragmento, y nadie es responsable de juntar esos fragmentos. En enfermedades que se sitúan justo en las costuras entre el sistema inmunitario, el equilibrio hormonal, el sistema nervioso y el metabolismo energético, desaparece precisamente lo que más importa: la imagen intermedia.
A ello se añade que estos cuadros clínicos son objeto de controversia y están investigados de forma muy desigual. Para una afirmación existen diez trabajos sólidos, para la siguiente un único estudio pequeño, para la de más allá dos publicaciones que se contradicen. En los artículos de revisión, y aún más en los resúmenes divulgativos, esa diferencia se desvanece. Al final todo se lee con la misma aparente certeza, y eso es justamente lo que hace que la literatura existente sea tan difícil de aprovechar para afectados, familiares y lectores interesados no especializados.
El enfoque: especialidades como agentes
Como arquitecto de software, intenté abordar este problema con las herramientas de mi propio campo. El resultado es DocAgents.
25 agentes de IA especializados, cuyos roles están inspirados en especialidades médicas, analizan la literatura científica cada uno desde su propia perspectiva, ponderan la evidencia disponible, construyen una ontología médica y hacen visibles las relaciones en un grafo de conocimiento.
El reparto en roles no es un fin en sí mismo. Un único modelo que evalúa un estudio «en general» produce resúmenes generales. Si, en cambio, se hace leer el mismo trabajo sucesivamente desde una perspectiva inmunológica, endocrinológica, neurológica y metabólica, surgen preguntas distintas sobre el mismo texto y, con ellas, distintos puntos de conexión. Precisamente esos puntos de conexión son el producto real: no se archivan como texto corrido, sino como términos y relaciones con nombre propio dentro de una ontología que se mantiene igual en todos los temas.
Así resulta posible enlazar una afirmación sobre COVID persistente con una afirmación sobre EM/SFC cuando ambas se refieren al mismo mecanismo o al mismo valor medido, aunque procedan de líneas de literatura completamente separadas. Por eso, junto a los cuadros clínicos individuales existe un área transversal dedicada al diagnóstico y a los valores de medición, donde se acumulan estas conexiones cruzadas.
Hacer visible la evidencia en lugar de allanarla
El segundo componente es el etiquetado. Cada afirmación del sistema lleva su nivel de evidencia y su cita literal de origen: respaldada por varias fuentes, respaldada por una sola fuente, suposición, conclusión de la IA o controvertida. Las fuentes pasan previamente por una evaluación y deben alcanzar una puntuación mínima, para que no todo artículo de blog acabe con el mismo rango que un estudio controlado.
Las contradicciones no se resuelven, sino que se marcan como contradicciones. Es una decisión consciente contra la forma de trabajar habitual de los modelos de lenguaje, que a partir de material contradictorio prefieren dar forma a una respuesta pulida y de apariencia plausible. Para una obra de consulta, la respuesta pulida es la peor: oculta justo aquellos puntos en los que uno mismo debería seguir leyendo. Por eso también se mantienen los ámbitos temáticos con una base de estudios débil, pero señalados expresamente como tales.
Una prueba de concepto para una idea mayor
El proyecto se entiende como una prueba de concepto para una visión más amplia: un armazón de conocimiento abierto y en crecimiento en el que cada afirmación lleve su nivel de evidencia y su cita literal de origen, las contradicciones sigan siendo visibles en lugar de quedar allanadas y las lagunas se reconozcan como tales.
El marco técnico está listo; ahora se trata de llenarlo con investigación de todo el mundo. Cada nueva información se clasifica dentro de la ontología y se enlaza con lo ya existente, de modo que poco a poco surge un contexto que ninguna disciplina por sí sola podría representar. El esfuerzo por cada fuente adicional disminuye con el tiempo, porque gran parte de los términos ya existe y los nuevos trabajos se acoplan en su mayoría a ellos en lugar de forzar nuevas estructuras.
Lo que el sistema no es
Soy consciente de que un sistema así no determina el estado del conocimiento científico ni sustituye a la investigación; es una herramienta informática experimental que ordena el conocimiento, no lo genera. No sustituye el asesoramiento médico, no establece diagnósticos y no formula recomendaciones.
Quien quiera hacerse una idea puede consultar las investigaciones y el grafo de conocimiento en DocAgents.de.