Investigadores de la UVa desarrollan un modelo de aprendizaje capaz de predecir el éxito de una dieta en pacientes con obesidad
La obesidad es una enfermedad crónica, compleja y progresiva que afecta a la calidad de vida y a la salud de casi el 13% de la población adulta. Por ello, desde las universidades, centros de investigación y sistemas nacionales de salud se invierten multitud de recursos materiales y humanos para prevenir esta enfermedad y buscar soluciones cada vez más eficaces. En este contexto, el estudiante el máster en Ingeniería Biomédica de la UVa Rolando Andrade ha desarrollado un sistema de modelo predictivo basado en inteligencia artificial capaz de anticipar con gran precisión qué pacientes con obesidad lograrán perder peso y mejorar su salud metabólica tras seguir una dieta baja en calorías basada en la ingesta de fruta, verdura, legumbres, cereales...
El estudio planteado por Andrade en su Trabajo Fin de Máster mide el rendimiento de diferentes modelos de aprendizaje automático diseñados para predecir la pérdida de peso corporal y/o el cambio en el síndrome metabólico después de una dieta hipocalórica de 3 meses. Para ello, los modelos han sido entrenados con datos clínicos y bioclínicos de 893 pacientes con obesidad atendidos en el Hospital Clínico Universitario de Valladolid entre 2017 y 2023.
Los participantes en el estudio se sometieron durante tres meses una dieta hipocalórica (baja en calorías) de patrón mediterráneo en la que predominaban las frutas, verduras, legumbres, cereales integrales y aceite de oliva virgen extra. Con esta intervención se buscó reducir peso corporal y revertir el síndrome metabólico. Este último está compuesto por un conjunto de alteraciones, como hipertensión, hiperglucemia, exceso de grasa abdominal, hipertrigliceridemia o bajo colesterol HDL, que incrementan el riesgo cardiovascular, de diabetes tipo 2 y de accidente cerebrovascular.
El trabajo dirigido por los catedráticos Daniel de Luis e Isabel de la Torre identifica como factores más determinantes en las predicciones la edad, los marcadores de resistencia a la insulina, los niveles de colesterol, el ácido úrico, la presión arterial diastólica y variables de composición corporal como la masa muscular o el índice de masa corporal. También detectan influencia de hábitos de vida como la práctica de ejercicio físico o el consumo de alcohol.
El estudio, que ha analizado la eficacia de cinco modelos de aprendizaje diferentes en la predicción del éxito o fracaso de una dieta, confirma que los algoritmos de inteligencia artificial, especialmente los métodos de conjunto (que combinan varios modelos individuales) como Stacking y XGBoost, son herramientas eficaces para identificar a los pacientes que más se beneficiarán de una dieta mediterránea hipocalórica. Su uso podría permitir a los profesionales de la salud personalizar las intervenciones dietéticas y optimizar los resultados del tratamiento de la obesidad.
Los autores subrayan que estos modelos no sustituyen al juicio clínico, pero sí pueden mejorar la toma de decisiones y ahorrar recursos sanitarios, orientando el esfuerzo terapéutico hacia quienes tienen mayor probabilidad de éxito. Además, proponen validar los resultados en otras poblaciones y, en el futuro, incorporar factores genéticos, conductuales y socioeconómicos para perfeccionar la predicción.
