El médico sostiene un montón de análisis realizados en distintos momentos. Por separado, cada hoja es solo una fotografía de un día, pero uno quiere ver la película completa de cómo se desarrolló la enfermedad. La red neuronal Tempo aprende a unir esas tomas dispersas en una cinta fluida.

Los modelos de eventos habituales (EBM) se parecen a un arqueólogo que solo puede decir que una vasija es más antigua que una moneda, pero no sabe cuántos siglos las separan. Tempo funciona de otra manera. Se entrena con decenas de miles de historias clínicas ficticias, donde ya se sabe en qué orden y a qué velocidad aparecieron las anomalías en los biomarcadores (signos medibles de la enfermedad). Como un niño que aprende a caminar y se cae al principio, la red neuronal desarrolla un instinto para las trayectorias típicas del mal.

En pruebas con datos ficticios, Tempo se equivocó en el orden de los eventos la mitad de veces que los líderes anteriores, y en casos con decenas de biomarcadores, casi tres veces menos. Cuando al algoritmo se le dieron datos reales de pacientes con enfermedad de Alzheimer (proyecto ADNI), construyó esta cadena: primero se encogen los lóbulos temporales del cerebro, luego se acumula amiloide —una proteína pegajosa que obstruye el espacio intercelular— y solo después la memoria se debilita notablemente. En etapas tardías aparece otra proteína, la tau, y la destrucción cerebral se acelera bruscamente. Esta secuencia coincide con lo que los médicos ya sabían, pero ahora se obtuvo sin ninguna pista manual.

Antes, para cada nueva hipótesis sobre la evolución de la enfermedad, los científicos tenían que deducir fórmulas complejas. Tempo, en cambio, es como una cámara universal a la que no le importa qué fotografiar: rostros, paisajes o microbios. Prueba rápidamente distintas suposiciones y muestra cuál se ajusta mejor a los datos. El montón de análisis en manos del médico por fin se convierte en una verdadera película.