Saber de cuánto tiempo es un embarazo sostiene casi todo en la atención prenatal, desde el calendario de pruebas hasta las decisiones sobre el parto. Sin embargo, dos tercios de la población mundial no tienen acceso a pruebas de imagen como la ecografía, y la Organización Mundial de la Salud calcula más de 250.000 muertes evitables al año por complicaciones del embarazo. Google Research ha publicado un estudio prospectivo que sugiere que sanitarios sin formación en ecografía, con una sonda portátil barata y un modelo de IA en el móvil, pueden fechar un embarazo con una precisión similar a la de los expertos.
El método se basa en barridos a ciegas: en lugar de buscar vistas precisas del feto, el operador desliza la sonda por el abdomen siguiendo un patrón fijo, y el modelo hace la interpretación. El estudio, publicado en JAMA Network Open con Jacaranda Health y la Northwestern University, evaluó a 385 participantes de entre 16 y 36 semanas de embarazo en Chicago y Nairobi, con operadores novatos y una sonda Clarius C3 con la que el modelo no se había entrenado. Originalmente había aprendido de ecografías de Carolina del Norte y Zambia hechas con otras sondas. El equipo lo adaptó con un pequeño grupo piloto de 120 participantes de Chicago, cerca del 6% de los datos de entrenamiento originales, y no usó ningún dato de Nairobi, de modo que ese centro sirvió como prueba independiente.
El error medio del modelo fue de 4,18 días, frente a 4,48 días de los ecografistas expertos con mediciones estándar, suficiente para superar la prueba de no inferioridad del estudio. Obtuvo 4,10 días en Chicago y 4,27 en Nairobi, y lo hizo mejor que las fórmulas estándar en fetos inusualmente grandes. Trabajar en clínicas reales dejó además lecciones prácticas, como la utilidad de las baterías intercambiables entre pacientes y la importancia de estimaciones de confianza que rechacen barridos de mala calidad y muestren la incertidumbre al profesional.
Es uno de los resultados de IA médica más útiles del año porque ataca una carencia básica y no un diagnóstico de nicho, y porque la prueba fue prospectiva, en vivo y en parte externa. Encaja con el impulso más amplio de Google, junto a su trabajo de cribado de tuberculosis, por llevar los modelos de salud de los datos retrospectivos a las clínicas.
Los límites se ven en el propio diseño. Ambos centros eran hospitales urbanos, no los puestos rurales donde el acceso es peor. El modelo necesitó reajustarse para una sonda nueva, algo que cualquier despliegue más amplio tendría que repetir. Sigue siendo un sistema de investigación y no un producto aprobado, y Google no da plazos para la autorización regulatoria ni para el despliegue. Unos pocos días de precisión media dicen además poco sobre los casos raros en los que un error importa más.