Inteligencia artificial capaz de predecir casos de bebés que nacen con bajo peso

Los bebés que nacen con bajo peso (menos de 2,5 kilogramos) tienen un riesgo 20 veces mayor de mortalidad. Además, tienen más probabilidades de desarrollar en el futuro enfermedades neurológicas, cardiovasculares, diabetes y problemas de crecimiento.

Un estudio realizado por investigadores de la Universidad de Sao Paulo (USP) en Brasil ha demostrado que los modelos de aprendizaje automático (una modalidad de inteligencia artificial) pueden utilizarse para predecir estos casos y, con ello, prevenir complicaciones, permitiendo intervenciones más tempranas y eficaces.

La investigación se basó en datos de 1579 gestantes acompañadas por la cohorte poblacional de Araraquara, en el interior del estado brasileño de de Sao Paulo, y representa la primera aplicación de algoritmos avanzados de aprendizaje automático con este fin en el país. El trabajo, respaldado por la Fundación de Apoyo a la Investigación Científica del Estado de Sao Paulo (FAPESP) de Brasil, también sirve como contrapunto a la mayoría de los estudios de este tipo, que utilizan datos de países del Norte Global.

Los investigadores probaron cuatro algoritmos de aprendizaje automático: Random Forest, XGBoost, LightGBM y CatBoost, destacándose el XGBoost, que presentó los mejores resultados en la identificación de embarazos con alto riesgo.

“Estos hallazgos tendrán repercusiones significativas en la práctica clínica y en la formulación de políticas públicas, dado que el uso de inteligencia artificial puede permitir intervenciones más tempranas, ayudando a reducir los riesgos asociados al bajo peso al nacer y mejorando la salud maternoinfantil”, afirma Patrícia Rondó, profesora de la Facultad de Salud Pública de la Universidad de Sao Paulo (FSP-USP) y coautora del estudio.

Con ayuda de la inteligencia artificial prediciendo casos de bebés que nacerán con bajo peso, los profesionales de la salud pueden adoptar con antelación medidas como la suplementación nutricional. (Foto: Patrícia Rondó / FSP / USP)

El bajo peso al nacer es un problema de salud global, vinculado a factores médicos previos, complicaciones durante el embarazo, factores socioeconómicos, la edad materna, el nivel educativo y el acceso a la atención prenatal.

Sin embargo, aunque la predicción de casos de bebés con bajo peso al nacer mediante algoritmos de aprendizaje automático está ganando espacio en todo el mundo, la mayoría de los estudios se han realizado en países con altos ingresos económicos, lo que limita su aplicabilidad en regiones como Brasil y otras partes de América Latina.

Según los autores del nuevo estudio, la inteligencia artificial puede permitir que los profesionales de la salud implementen intervenciones tempranas, como suplementación nutricional, educación materna, aumento de consultas prenatales y orientación sobre cambios en el estilo de vida, reduciendo así los efectos nocivos en los recién nacidos.

Rondó también es la coordinadora del estudio poblacional realizado en Araraquara, que evaluó el estado nutricional y la composición corporal de dos mil gestantes y de sus hijos desde la fase fetal. Además de servir como base para la evaluación de algoritmos predictivos de bajo peso al nacer, la muestra (representativa de la ciudad de Araraquara y su región) permitió realizar una serie de estudios sobre obesidad y factores genéticos, ambientales y epigenéticos relacionados con enfermedades.

“La cohorte de Araraquara ofrece una oportunidad única al proporcionar datos clínicos, socioeconómicos, conductuales y ambientales de una población con características diferentes a las de las poblaciones del Norte Global, donde se concentran la mayoría de los estudios de este tipo”, afirma Audencio Victor, científico de datos y autor principal del estudio. Victor también es becario de la FAPESP y el estudio forma parte de su investigación doctoral en epidemiología en la USP, con una estancia en la LSHTM (London School of Hygiene and Tropical Medicine), de la Universidad de Londres en el Reino Unido.

Factores como la edad materna, variables antropométricas, el nivel socioeconómico y el grado de acceso a la atención prenatal, fueron identificados como determinantes clave del riesgo de bajo peso al nacer. “Los factores de riesgo están bien documentados en la literatura científica, y un modelo predictivo como el que probamos es importante para clasificar los casos de mayor riesgo que requieren más atención durante la etapa prenatal. Además, se trata de variables simples, de bajo costo y que se recopilan rutinariamente en los servicios de salud, lo que hace que el modelo sea aplicable incluso en regiones con recursos limitados”, explica Victor.

En el estudio, los investigadores también identificaron que el modelo basado en los datos de Araraquara funciona para la población de la región Sudeste de Brasil (a la que pertenece el estado de Sao Paulo), pero presenta limitaciones. “Para aplicar los modelos en la Amazonía o en países africanos, por ejemplo, sería necesario realizar adaptaciones para que realmente tengan capacidad predictiva. Cada población tiene sus especificidades y es necesario calibrar los modelos para que sean realmente predictivos en diferentes contextos geográficos y sociales”, concluye el investigador.

El estudio se titula “Predicting low birth weight risks in pregnant women in Brazil using machine learning algorithms: data from the Araraquara cohort study”. Y se ha publicado en la revista académica BMC Pregnancy and Childbirth. (Fuente: FAPESP)