MIT publicó esta semana un modelo de IA open-source que identifica el riesgo de Alzheimer años antes de que aparezcan los síntomas cognitivos, con una precisión declarada 4× superior a los métodos preclínicos previos. Los pesos, el código de entrenamiento y las pipelines de evaluación son públicos a través de la plataforma de la Alzheimer's Disease Data Initiative. Para personas con antecedentes familiares de demencia, para clínicos que sopesan ensayos de intervención temprana, para investigadores que quieren construir encima — es el primer modelo abierto entrenado en el conjunto de datos multinacional de la red WW-FINGERS.
El modelo se llama FINGERS-7B, del Picower Institute for Learning and Memory del MIT (laboratorio dirigido por Li-Huei Tsai). Investigadores principales: Arvid Gollwitzer en el Broad Institute y Adrian Noriega, MIT-Novo Nordisk AI Fellow. El cambio metodológico es entrenamiento multimodal conjunto — datos de estilo de vida, historia clínica, datos genómicos y biomarcadores proteómicos alimentan un solo modelo en lugar de predictores separados unidos. Los datos de entrenamiento vienen de la red WW-FINGERS, una colaboración de 40 países con ~30.000 participantes, construida sobre el ensayo FINGER original de la profesora Miia Kivipelto, combinando registros clínicos/estilo de vida con datos genómicos y proteómicos de laboratorios asociados. El modelo produce tres salidas por individuo: riesgo estimado de Alzheimer, trayectoria proyectada de deterioro cognitivo, y respuesta predicha a intervenciones — qué intervención de estilo de vida o clínica probablemente ayudará a quién. Ganancias declaradas: diagnóstico preclínico 4× más preciso que métodos previos, mejora del 130% en estratificación de respondedores.
La investigación sobre Alzheimer ha sido históricamente lenta para conseguir infraestructura ML open-source que combine datos a escala poblacional con transparencia completa de pesos. La mayoría del trabajo previo de predicción de riesgo usaba cohortes propietarias o pesos cerrados — papers que podías leer pero modelos que no podías correr. FINGERS-7B está desplegado en AD Workbench, la plataforma cloud segura de la Alzheimer's Disease Data Initiative, lo que significa que los investigadores pueden aplicar el modelo a sus propios datos de salud protegidos sin exfiltrar PHI a una API externa. El preprint está en OpenReview (id: fVqvRQ6XRV). Para el patrón más amplio de publicaciones de IA en salud, esto está más cerca de la forma open-data BigBio/MedLM que de la caja negra aprobada por la FDA — y esa distinción importa para quién puede construir trabajo derivado sin barreras de licencia.
Es preprint, aún no revisado por pares — las cifras de 4× y 130% vienen con las advertencias habituales: tamaños de efecto pequeños pueden mover ratios de titular, los métodos de referencia importan, y la validación contra cohortes futuras es la prueba real. El conjunto de datos WW-FINGERS también se inclina europeo en sus orígenes; la generalización a otras poblaciones requiere trabajo separado. Pero para cualquiera que trabaje en ML biomédico, o para cualquiera con interés familiar en prevención de demencia, este es uno de los movimientos recientes más concretos hacia herramientas de detección temprana usables fuera de un solo laboratorio.