La predicción de riesgos en salud siempre ha sido uno de los mayores desafíos de la medicina. El desarrollo de biomarcadores, la incorporación de la genómica y la inteligencia artificial han multiplicado las expectativas, pero la traslación a la práctica clínica sigue siendo compleja.
En este contexto, surge Foreomics, una compañía española que asegura haber desarrollado el primer algoritmo retrospectivo capaz de anticipar riesgos de mortalidad y enfermedad grave en personas asintomáticas, integrando datos genéticos, clínicos, de imagen y de hábitos de vida. Una promesa ambiciosa que aún debe demostrar su valor real.
El modelo, fundado por el directivo Jorge García y el radiólogo Eliseo Vañó, se apoya también en un panel de expertos de reconocido prestigio en oncología, cardiología, radiología y genética. Su propuesta consiste en un proceso rápido (menos de 30 minutos) que combina cuestionario clínico, análisis de sangre, muestra de saliva y TAC de baja dosis. A partir de estos datos, el algoritmo genera un informe de riesgo personalizado, acompañado de recomendaciones preventivas adaptadas al perfil del individuo.
"La idea responde a una necesidad evidente: identificar de forma precoz los riesgos de enfermedad grave en población sana y actuar antes de que la patología se manifieste"
Una iniciativa disruptiva
La idea responde a una necesidad evidente: identificar de forma precoz los riesgos de enfermedad grave en población sana y actuar antes de que la patología se manifieste. La promesa de democratizar la prevención personalizada conecta con una tendencia global hacia modelos de salud predictiva y preventiva, con potencial impacto tanto en la práctica clínica como en la gestión sanitaria.
Hasta ahora se han tenido como referencia estudios epidemiológicos amplios que trataban de analizar el riesgo aislado en un patologia y en un grupo poblacional. Por ejemplo, fumar en cáncer o la dieta en la enfermedad cardiovascular. Estos modelos eran incapaces de incorporar otras variables, y lo que es más importante, la vida misma de cada individuo, su contexto y sus circunstancias, como decía Ortega y Gasset. Porque la realidad es que las enfermedades no ocurren de manera aislada, sino en patrones complejos de muchas enfermedades que se se inician y evolucionan a lo largo del tiempo y se influyen por una multitud de factores que somos incapaces de evaluar de forma precisa y completa hasta ahora.
La tecnología ha aterrizado en una de las grandes necesidades de la medicina. Un estudio reciente publicado en Nature ha presentado Delphi-2M, un modelo de inteligencia artificial que supone un paso relevante en este sentido. Sin embargo, ni siquiera Delphi-2 se libra de sesgos y limitaciones. Ahora se trata de que estos avances, u otros que permitan establecer patrones y alcanzar una predictibilidad alta, sean accesibles de manera rutinaria.
Retos científicos y regulatorios
Ahora bien, el atractivo del proyecto de FOREOMICS convive con varios retos que no pueden pasarse por alto:
Uno es la validación como producto sanitario: el algoritmo aún debe superar el escrutinio regulatorio y ser validado en estudios prospectivos publicados en revistas de prestigio. La credibilidad científica dependerá de la solidez de estos resultados.
Además, la precisión y reproductibilidad debe confirmar que la combinación de datos genéticos, clínicos y de imagen es todo lo prometedora que se anuncia, pero es preciso demostrar que las predicciones son consistentes, reproducibles y clínicamente útiles en distintos escenarios.
Aunque la idea de FOREOMICS es prometedora, no se debe caer en un exceso de expectativa. En este sentido, expresiones como “predecir la mortalidad” pueden generar un efecto adverso entre clínicos e investigadores si no se acompañan de evidencias claras y matizadas.
El contexto internacional
Foreomics no es un caso aislado. En el ámbito internacional existen iniciativas con trayectoria y fuerte respaldo científico:
- Tempus (EE. UU.), que integra datos clínicos y genómicos en entornos oncológicos.
- Foundation Medicine (EE. UU., adquirida por Roche), centrada en el análisis genómico de tumores.
- Lifebit (Reino Unido), que trabaja en integración de datos poblacionales y genómicos para investigación.
- Verily (Alphabet, EE. UU.), con proyectos a gran escala en predicción de riesgo de enfermedad.
- Prenuvo (Canadá-EE. UU.), que aplica resonancias de cuerpo entero para la detección precoz en población asintomática.
La comparación es inevitable: Foreomics deberá diferenciarse no solo por su tecnología retrospectiva, sino por su capacidad de trasladar una solución validada y accesible al sistema sanitario español e internacional.
Credibilidad y accesibilidad, dos claves
En definitiva, el futuro de Foreomics dependerá de la credibilidad científica, que se gana con publicaciones de calidad, validación regulatoria y evidencia clínica real y de la accesibilidad, tanto en costes como en facilidad de implementación.
Una solución que se presenta como rápida, sencilla y de bajo umbral de entrada puede ser su ventaja diferencial frente a modelos más sofisticados, pero también más complejos y costosos.
La iniciativa de Foreomics merece atención por su carácter innovador y por el potencial impacto en la práctica preventiva. No obstante, solo si logra superar con éxito la validación científica y demostrar que sus predicciones son útiles en la vida real, podrá convertirse en una herramienta disruptiva en la medicina preventiva. Lo que es innegable es que evolucionamos hacia modelos multimodales que incluirán desde análisis rutinarios médicos, imágenes, genética, biomarcadores, dispositivos wearables, y muchos otros. El tiempo y la evidencia determinarán si estamos ante un verdadero cambio de paradigma o ante una promesa más en un campo en el que la prudencia y el rigor siguen siendo imprescindibles.
