Según informó la UGR, este estudio, publicado en la revista ‘Artificial Intelligence in Medicine’, destaca por integrar datos clínicos y epigenéticos para estimar el riesgo de complicaciones metabólicas en los próximos años. Los resultados del estudio revelan que los niños con alteraciones metabólicas durante el desarrollo puberal presentan patrones clínicos y epigenéticos diferenciados desde la etapa prepuberal. La aplicación de este modelo de IA en hospitales podría mejorar la detección temprana de riesgos metabólicos, lo que permitiría realizar intervenciones farmacológicas o ajustes en el estilo de vida para prevenir enfermedades metabólicas.

La UGR sostuvo que esto no solo ayudaría a reducir las comorbilidades asociadas con la obesidad, sino que también “podría disminuir” los costes para la sanidad pública, según el equipo investigador. El desarrollo de este modelo fue posible gracias al apoyo financiero del Instituto de Salud Carlos III (ISCIII) y del proyecto europeo ‘EprObes’, que busca prevenir la obesidad mediante la identificación temprana de factores de riesgo, el pronóstico y la intervención.

Una característica destacada del modelo es que se trata de una IA explicable cuyo funcionamiento puede interpretarse por 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”, explicó el investigador del Centro de Investigación Biomédica en Red de Fisiopatología de la Obesidad y Nutrición (Ciberobn) Álvaro Torres.

Este proyecto se llevó a cabo en el Parque Tecnológico de la Salud de Granada y contó con la colaboración de grupos clínicos de otros centros de investigación de España. La investigación fue posible gracias a la financiación del Fondo de Investigación Sanitaria (FIS).