Granada se anticipa a los riesgos de la obesidad en niños a través de la Inteligencia Artificial

La obesidad está considerada como la gran epidemia de este siglo, según la Organización Mundial de la Salud (OMS). Tanto ésta como el sobrepeso pueden provocar patologías graves como enfermedades cardiovasculares, diabetes o ciertos tipos de cáncer. En nuestro país, Andalucía es la cuarta comunidad autónoma en el desafortunado ranking de la obesidad, sólo superada por Extremadura, Canarias y Galicia. Se estima que el índice de obesidad de los andaluces es de un 22,9 % en los hombres y de un 20,6 % en las mujeres. Por provincias, Almería y Málaga son las provincias andaluzas donde los datos son más elevados.

Lo más grave aún, si cabe, es que el problema se extiende también a los más pequeños. Según datos de la Consejería de Salud, entre los niños andaluces, un 11 % padece de obesidad y casi un 20 % tiene problemas de sobrepeso. Los pronósticos para el futuro son aún más pesimistas, ya que se estima que, de seguir así las cosas, para 2035 la obesidad podría afectar a 1 de cada 5 niños andaluces.

Para luchar contra ello, un grupo de científicos de la Universidad de Granada han desarrollado una innovadora herramienta de inteligencia artificial, que es capaz de predecir el riesgo de alteraciones metabólicas en niños con obesidad. Este modelo utiliza datos epigenéticos y clínicos para estimar las complicaciones metabólicas que podrían surgir en estos menores durante los próximos años. Su aplicación en los hospitales podría mejorar la detección temprana de riesgos metabólicos, lo que permitiría realizar intervenciones farmacológicas o ajustes en el estilo de vida, para prevenir todo tipo de enfermedades asociadas. Según el equipo investigador, esto no solo ayudaría a reducir las comorbilidades asociadas con la obesidad, sino que también podría disminuir los costes para la sanidad pública.

Patrones distintivos etapa prepuberal

Este trabajo ha sido publicado en la revista Artificial Intelligence in Medicine y revela que los niños y niñas con alteraciones metabólicas durante la pubertad, presentan patrones diferenciados desde la etapa anterior a esta. Aunque el modelo ofrece una alta tasa de acierto en sus predicciones, su complejidad inicial dificulta la interpretación directa de los resultados. Por ello, los investigadores han implementado técnicas avanzadas para entender cómo el modelo analiza las variables proporcionadas y realiza sus estimaciones.

Una característica destacada de este modelo es que se basa en datos tradicionales, como son el índice de masa corporal, los niveles de hormonas, así como marcadores genéticos en genes relevantes. Además, esta herramienta utiliza una Inteligencia Artificial explicable, lo que facilita que su funcionamiento pueda ser interpretado fácilmente por los profesionales sanitarios.

Este estudio se ha llevado a cabo en el Parque Tecnológico de la Salud de Granada y ha contado con la colaboración de grupos clínicos de otros centros, como el IDIS de Santiago de Compostela y el IIS de Aragón, que han facilitado el reclutamiento de los niños participantes.