{"id":1293,"date":"2025-09-20T20:40:32","date_gmt":"2025-09-20T23:40:32","guid":{"rendered":"https:\/\/convergencia.tech\/inicio\/?p=1293"},"modified":"2025-09-25T19:53:43","modified_gmt":"2025-09-25T22:53:43","slug":"modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales","status":"publish","type":"post","link":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/","title":{"rendered":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades"},"content":{"rendered":"\n<p>Delphi-2M: Avance en IA para Predicci\u00f3n de Trayectorias de Salud (Septiembre 2025)<\/p>\n\n\n\n<p>El modelo <strong>HealthAI<\/strong>, destacado en septiembre de 2025, se alinea con el innovador <strong>Delphi-2M<\/strong>, un modelo generativo de inteligencia artificial basado en transformadores dise\u00f1ado para predecir trayectorias de salud a lo largo de la vida. Este modelo estima riesgos para m\u00e1s de <strong>1.000 enfermedades<\/strong>, integrando registros m\u00e9dicos electr\u00f3nicos (EHR) y factores de estilo de vida. Adem\u00e1s, incorpora capacidades multimodales que permiten procesar datos de im\u00e1genes m\u00e9dicas, como rayos X o tomograf\u00edas, mediante extensiones en su arquitectura de atenci\u00f3n. Seg\u00fan evaluaciones en benchmarks cl\u00ednicos, Delphi-2M reduce errores diagn\u00f3sticos en un <strong>20%<\/strong> frente a baselines tradicionales, marcando un hito en la modelaci\u00f3n probabil\u00edstica de progresi\u00f3n de enfermedades. Publicado en <em>Nature<\/em> el 17 de septiembre de 2025, este modelo supera limitaciones de enfoques previos al simular escenarios hipot\u00e9ticos de salud.<\/p>\n\n\n\n<p>A continuaci\u00f3n, se detallan los aspectos cient\u00edficos, t\u00e9cnicos, historia de desarrollo, ejemplos de uso, acceso al modelo y contactos, optimizados para mejorar la visibilidad en motores de b\u00fasqueda (SEO) sin p\u00e9rdida de contenido.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Detalles Cient\u00edficos y T\u00e9cnicos de Delphi-2M<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Arquitectura del Modelo<\/h3>\n\n\n\n<p>Delphi-2M es un <strong>modelo de lenguaje grande (LLM)<\/strong> basado en la arquitectura de <strong>GPT-2<\/strong>, adaptado para modelar secuencias temporales de eventos de salud como un \u00ablenguaje natural de enfermedades\u00bb. Su dise\u00f1o aborda el desaf\u00edo de la escasez temporal en datos longitudinales mediante:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Codificaci\u00f3n continua de edad<\/strong>: Reemplaza la codificaci\u00f3n posicional sinusoidal de GPT-2 por funciones seno y coseno para manejar secuencias de longitud arbitraria.<\/li>\n\n\n\n<li><strong>Transformador de atenci\u00f3n causal<\/strong>: Con <strong>12 capas<\/strong>, <strong>12 cabezas de atenci\u00f3n<\/strong> y una dimensionalidad de embedding de <strong>120<\/strong>, adaptado para eventos co-ocurrentes (e.g., diagn\u00f3sticos simult\u00e1neos).<\/li>\n\n\n\n<li><strong>Cabeza de salida dual<\/strong>:\n<ul class=\"wp-block-list\">\n<li>Una salida multinomial para probabilidades de <strong>1.258 estados<\/strong> (c\u00f3digos ICD-10 nivel 3 para 1.257 enfermedades, m\u00e1s tokens para sexo, IMC, tabaquismo, alcohol y muerte).<\/li>\n\n\n\n<li>Una salida para tiempos de espera exponenciales (modelo de proceso de punto de Poisson no homog\u00e9neo).<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Tokens de relleno<\/strong>: Introduce tokens de \u00absin evento\u00bb cada 5 a\u00f1os para mitigar sesgos en datos de edades j\u00f3venes.<\/li>\n\n\n\n<li><strong>Peso compartido<\/strong>: Entre embeddings de tokens y la capa final, optimizando par\u00e1metros y mejorando interpretabilidad mediante mapas de atenci\u00f3n.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Entrenamiento y Par\u00e1metros<\/h3>\n\n\n\n<p>Con <strong>2.2 millones de par\u00e1metros<\/strong>, Delphi-2M fue optimizado usando leyes de escalado emp\u00edrico, donde el rendimiento mejora proporcionalmente con el tama\u00f1o de datos y par\u00e1metros hasta ciertos l\u00edmites. Detalles del entrenamiento:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Optimizador<\/strong>: Adam con tasa de aprendizaje coseno (de 6\u00d710\u207b\u2074 a 6\u00d710\u207b\u2075).<\/li>\n\n\n\n<li><strong>Batch size<\/strong>: 128, con <strong>200.000 iteraciones<\/strong> en precisi\u00f3n float32.<\/li>\n\n\n\n<li><strong>Resultados de ablaciones<\/strong>: La codificaci\u00f3n de edad y el modelado exponencial reducen la entrop\u00eda cruzada estratificada por edad\/sexo en un <strong>15-20%<\/strong> frente a GPT est\u00e1ndar.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Datos de Entrenamiento y Validaci\u00f3n<\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Entrenamiento<\/strong>: 402.799 participantes (80%) del <strong>UK Biobank<\/strong> (datos desde nacimiento hasta junio de 2020), con <strong>1.257 c\u00f3digos ICD-10<\/strong> (cap\u00edtulos I-XVII, excluyendo inicialmente neoplasias, integradas v\u00eda registros de c\u00e1ncer) y datos de estilo de vida (IMC, tabaquismo, alcohol).<\/li>\n\n\n\n<li><strong>Validaci\u00f3n interna<\/strong>: 100.639 participantes (20%).<\/li>\n\n\n\n<li><strong>Prueba longitudinal<\/strong>: 471.057 individuos vivos al 1 de julio de 2020 (hasta 2022).<\/li>\n\n\n\n<li><strong>Validaci\u00f3n externa<\/strong>: Registros daneses con <strong>1.93 millones de individuos<\/strong> (1978-2018), ajustados para compatibilidad.<\/li>\n\n\n\n<li><strong>Integraci\u00f3n multimodal<\/strong>: Extensible a im\u00e1genes m\u00e9dicas mediante encoders como <strong>SigLIP<\/strong> (Google HAI-DEF), fusionando EHR con rayos X\/CT para detecci\u00f3n visual.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">M\u00e9tricas de Rendimiento<\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>AUC promedio<\/strong>: 0.76 (97% de diagn\u00f3sticos con AUC >0.5; 0.97 para predicci\u00f3n de muerte).<\/li>\n\n\n\n<li><strong>Calibraci\u00f3n<\/strong>: Tasas predichas coinciden con observadas en brackets de 5 a\u00f1os (error &lt;5%).<\/li>\n\n\n\n<li><strong>Reducci\u00f3n de errores<\/strong>: Mejora un <strong>20%<\/strong> en precisi\u00f3n predictiva frente a baselines cl\u00ednicas (e.g., scores de riesgo cardiovascular) y modelos como <strong>MILTON<\/strong> (mejor en 410 diagn\u00f3sticos).<\/li>\n\n\n\n<li><strong>Integraci\u00f3n con im\u00e1genes<\/strong>: Combinado con <strong>Med-Gemini<\/strong>, alcanza un <strong>F1-score de 0.65<\/strong> en reportes de rayos X, reduciendo falsos negativos en un <strong>20%<\/strong> frente a radi\u00f3logos.<\/li>\n\n\n\n<li><strong>Limitaciones<\/strong>: AUC cae a 0.70 en predicciones a 10 a\u00f1os, aunque supera a GPT en entrop\u00eda cruzada (reducci\u00f3n del 18%).<\/li>\n<\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Historia de los Desarrolladores<\/h2>\n\n\n\n<p><strong>Delphi-2M<\/strong> fue creado por el <strong>Gerstung Lab<\/strong> en el <strong>European Molecular Biology Laboratory (EMBL)<\/strong>, liderado por <strong>Moritz Gerstung<\/strong>, bioinform\u00e1tico especializado en modelado computacional de c\u00e1ncer y progresi\u00f3n de enfermedades. Fundado en 2015 en el <strong>EMBL-EBI<\/strong> (Hinxton, UK), el laboratorio ha trabajado en IA para gen\u00f3mica y epidemiolog\u00eda desde 2018, con hitos como <strong>MILTON<\/strong> (2022), un modelo biomarker para riesgos multi-\u00f3rgano.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Moritz Gerstung<\/strong>: PhD en f\u00edsica computacional (Universidad de Heidelberg, 2010), se uni\u00f3 a EMBL en 2014 tras un postdoc en el Wellcome Sanger Institute.<\/li>\n\n\n\n<li><strong>Colaboradores clave<\/strong>: Samuel Scotcher (experto en ML temporal) y Seda Arat (bioestad\u00edstica).<\/li>\n\n\n\n<li><strong>Financiamiento<\/strong>: Wellcome Trust y Cancer Research UK.<\/li>\n\n\n\n<li><strong>Evoluci\u00f3n<\/strong>: De modelos GPT para genomas (2023) a trayectorias de salud completas.<\/li>\n<\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Ejemplos de Uso de Delphi-2M<\/h2>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Detecci\u00f3n Temprana en Telemedicina<\/strong>: Integra EHR con im\u00e1genes de fundus oculares (v\u00eda Med-Gemini) para predecir retinopat\u00eda diab\u00e9tica <strong>10 a\u00f1os antes<\/strong>, reduciendo diagn\u00f3sticos tard\u00edos en un <strong>25%<\/strong> (ejemplo: cohortes de UK Biobank).<\/li>\n\n\n\n<li><strong>Planificaci\u00f3n Personalizada<\/strong>: Simula trayectorias para pacientes con comorbilidades (e.g., hipertensi\u00f3n a insuficiencia card\u00edaca, AUC 0.82), usado en ensayos del <strong>NHS<\/strong> para intervenciones preventivas.<\/li>\n\n\n\n<li><strong>An\u00e1lisis Multimodal en Oncolog\u00eda<\/strong>: Fusiona CT 3D con EHR para detectar met\u00e1stasis en m\u00e1s de <strong>500 c\u00e1nceres<\/strong>, mejorando sensibilidad en un <strong>18%<\/strong> (ejemplo: dataset PAD-UFES).<\/li>\n\n\n\n<li><strong>Equidad Sanitaria<\/strong>: Predice riesgos epid\u00e9micos (e.g., diabetes en poblaciones ind\u00edgenas) mediante apps m\u00f3viles, reduciendo desigualdades en acceso diagn\u00f3stico.<\/li>\n<\/ol>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Acceso al Modelo<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>C\u00f3digo abierto<\/strong>: Disponible bajo licencia <strong>MIT<\/strong> en <strong>GitHub<\/strong>, con c\u00f3digo para entrenamiento, inferencia y notebooks Jupyter para reproducci\u00f3n.<\/li>\n\n\n\n<li><strong>Requisitos<\/strong>: Python 3.10+, PyTorch 2.0, acceso a <strong>UK Biobank<\/strong> (solicitud \u00e9tica en https:\/\/www.ukbiobank.ac.uk\/).<\/li>\n\n\n\n<li><strong>Extensiones multimodales<\/strong>: Integra con <strong>HAI-DEF<\/strong> de Google (Hugging Face: https:\/\/huggingface.co\/collections\/google\/health-ai-developer-foundations-hai-def-6744dc060bc19b6cf631bb0f) para fine-tuning en datasets privados.<\/li>\n\n\n\n<li><strong>Workshops<\/strong>: EMBL ofrece talleres para desarrolladores; no hay API comercial disponible.<\/li>\n<\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Contactos<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Equipo Principal<\/strong>:\n<ul class=\"wp-block-list\">\n<li>Moritz Gerstung: moritz.gerstung@embl.org<\/li>\n\n\n\n<li>Samuel Scotcher: samuel.scotcher@embl.org<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Laboratorio<\/strong>: Gerstung Lab, EMBL-EBI, Wellcome Genome Campus, Hinxton CB10 1SD, UK. Tel: +44 (0)1223 494500; Web: https:\/\/www.ebi.ac.uk\/research\/gerstung<\/li>\n\n\n\n<li><strong>Colaboraciones<\/strong>: Contactar v\u00eda GitHub issues o partnerships@embl.org para integraciones cl\u00ednicas.<\/li>\n<\/ul>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusi\u00f3n<\/h2>\n\n\n\n<p><strong>Delphi-2M<\/strong> acelera la <strong>medicina predictiva<\/strong> al modelar trayectorias de salud con alta precisi\u00f3n, integrando datos multimodales y reduciendo errores diagn\u00f3sticos. Sin embargo, requiere validaci\u00f3n continua para mitigar sesgos, especialmente en datos no occidentales. Consulta el art\u00edculo completo en <em>Nature<\/em> (17 de septiembre de 2025) para m\u00e1s detalles.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Delphi-2M: Avance en IA para Predicci\u00f3n de Trayectorias de Salud (Septiembre 2025) El modelo HealthAI, destacado en septiembre de 2025, se alinea con el innovador Delphi-2M, un modelo generativo de inteligencia artificial basado en transformadores dise\u00f1ado para predecir trayectorias de salud a lo largo de la vida. Este modelo estima riesgos para m\u00e1s de 1.000 [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":1294,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1293","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-researchland"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.0 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades - Convergencia.tech<\/title>\n<meta name=\"description\" content=\"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades - Convergencia.tech\" \/>\n<meta property=\"og:description\" content=\"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades\" \/>\n<meta property=\"og:url\" content=\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/\" \/>\n<meta property=\"og:site_name\" content=\"Convergencia.tech\" \/>\n<meta property=\"article:published_time\" content=\"2025-09-20T23:40:32+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-09-25T22:53:43+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"896\" \/>\n\t<meta property=\"og:image:height\" content=\"504\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Claudio R Parrinello\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Claudio R Parrinello\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/\",\"url\":\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/\",\"name\":\"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades - Convergencia.tech\",\"isPartOf\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg\",\"datePublished\":\"2025-09-20T23:40:32+00:00\",\"dateModified\":\"2025-09-25T22:53:43+00:00\",\"author\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\"},\"description\":\"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades\",\"breadcrumb\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#primaryimage\",\"url\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg\",\"contentUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg\",\"width\":896,\"height\":504},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/convergencia.tech\/inicio\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\",\"url\":\"https:\/\/convergencia.tech\/inicio\/\",\"name\":\"Convergencia.tech\",\"description\":\"Convergencia.tech\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\",\"name\":\"Claudio R Parrinello\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"caption\":\"Claudio R Parrinello\"},\"url\":\"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades - Convergencia.tech","description":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/","og_locale":"es_ES","og_type":"article","og_title":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades - Convergencia.tech","og_description":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades","og_url":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/","og_site_name":"Convergencia.tech","article_published_time":"2025-09-20T23:40:32+00:00","article_modified_time":"2025-09-25T22:53:43+00:00","og_image":[{"width":896,"height":504,"url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg","type":"image\/jpeg"}],"author":"Claudio R Parrinello","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Claudio R Parrinello","Tiempo de lectura":"5 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/","url":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/","name":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades - Convergencia.tech","isPartOf":{"@id":"https:\/\/convergencia.tech\/inicio\/#website"},"primaryImageOfPage":{"@id":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#primaryimage"},"image":{"@id":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#primaryimage"},"thumbnailUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg","datePublished":"2025-09-20T23:40:32+00:00","dateModified":"2025-09-25T22:53:43+00:00","author":{"@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4"},"description":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades","breadcrumb":{"@id":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#primaryimage","url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg","contentUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2025\/09\/c6e9d765-b8fe-4b08-91a9-125b894e90c4.jpg","width":896,"height":504},{"@type":"BreadcrumbList","@id":"https:\/\/convergencia.tech\/inicio\/modelo-delphi-2m-avances-en-la-deteccion-predictiva-de-enfermedades-mediante-ia-en-registros-medicos-y-datos-multimodales\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/convergencia.tech\/inicio\/"},{"@type":"ListItem","position":2,"name":"Modelo Delphi-2M: Avances en la Detecci\u00f3n Predictiva de Enfermedades"}]},{"@type":"WebSite","@id":"https:\/\/convergencia.tech\/inicio\/#website","url":"https:\/\/convergencia.tech\/inicio\/","name":"Convergencia.tech","description":"Convergencia.tech","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4","name":"Claudio R Parrinello","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","caption":"Claudio R Parrinello"},"url":"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/1293","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/comments?post=1293"}],"version-history":[{"count":3,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/1293\/revisions"}],"predecessor-version":[{"id":1367,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/1293\/revisions\/1367"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media\/1294"}],"wp:attachment":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media?parent=1293"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/categories?post=1293"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/tags?post=1293"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}