Un grupo de investigadores del área de Fisiopatología de la Obesidad y Nutrición del Centro de Investigación Biomédica en Red (CIBEROBN) en la Universidad de Granada (UGR) han logrado desarrollar un modelo de Inteligencia Artificial (IA) para predecir el riesgo de alteraciones metabólicas en niños con obesidad.
Este trabajo, publicado en la revista 'Artificial Intelligence Medicine', ha logrado estimar el riesgo de complicaciones metabólicas al integrar datos clínicos y epigenéticos, cuyos patrones son diferentes en los menores con alteraciones metabólicas que se encuentran en la pubertad en comparación con la etapa prepuberal.
PUBLICIDAD
El uso de este modelo en hospitales puede ayudar a la detección temprana de riesgos metabólicos, lo que permitirá realizar intervenciones farmacológicas o ajustes en el estilo de vida para prevenir enfermedades metabólicas, contribuyendo a reducir las comorbilidades asociadas a la obesidad y a disminuir los costes para la sanidad pública, según un comunicado del CIBER.
Este modelo, que se basa en datos como el Índice de Masa Corporal (IMC), los niveles de hormonas (leptina y adiponectina) y nuevos marcadores genéticos en genes relevantes (HDAC4, PTPRN2, MATN2, RASGRF1 y EBF1), es "explicable" y "puede interpretarse" por parte de los profesionales sanitarios.
"Esta combinación de datos permite no solo la predicción precisa de riesgos, sino también una mayor comprensión de cómo el modelo procesa las variables, lo que posibilita su aplicación en entornos clínicos de forma más efectiva", ha explicado Álvaro Torres, investigador del CIBEROBN.
Los científicos también han manifestado que existe una "necesidad urgente" de implementar este tipo de programas de predicción para abordar la obesidad "de forma temprana" de forma que se prevenga el empeoramiento del estado de salud de estos niños, pues la obesidad pediátrica "puede aumentar drásticamente" el riesgo de alteraciones cardiometabólicas en etapas posteriores de la vida, siendo la resistencia a la insulina la "piedra angular" que vincula la adiposidad con el aumento del riesgo cardiovascular.
Asimismo, han señalado que la pubertad es una etapa crítica tras la que la resistencia a la insulina asociada a la obesidad es más difícil de revertir, por lo que creen necesario una predicción oportuna de la misma.
"La construcción de sistemas predictivos efectivos y robustos para un resultado de salud complejo, como la resistencia a la insulina durante las primeras etapas de la vida, exige la adopción de diseños longitudinales para obtener más inferencias causales y la integración de factores de diversa naturaleza involucrados en su aparición", han añadido.
El proyecto ha sido realizado en el Parque Tecnológico de la Salud de Granada con la colaboración de investigadores del área de Fisiopatología de la Obesidad y Nutrición del CIBER (CIBEROBN) en la Universidad de Granada, el Instituto de Investigación Biosanitaria (ibs.GRANADA), el Instituto Andaluz Interuniversitario en Data Science and Computational Intelligence (DaSCI) y el Instituto de Investigación Sanitaria (IIS) de Aragón.
Además, ha recibido financiación del Instituto de Salud Carlos III, del proyecto europeo EprObes (Prevención de la obesidad a lo largo de la vida mediante la identificación temprana de los factores de riesgo, el pronóstico y la intervención, por su traducción al español) y del Fondo de Investigación Sanitaria (FIS).
