La obesidad, reconocida por la Organización Mundial de la Salud como una enfermedad crónica, compleja y progresiva, afecta actualmente a casi el 13 % de la población adulta. Su impacto sobre la calidad de vida, la esperanza de salud y los sistemas sanitarios ha impulsado a investigadores de todo el mundo a buscar soluciones innovadoras.
En este contexto, la Universidad de Valladolid (UVa) ha dado un paso adelante en la aplicación de la inteligencia artificial (IA) al ámbito de la nutrición y la salud metabólica. Un equipo dirigido por los catedráticos Daniel de Luis e Isabel de la Torre ha desarrollado un modelo predictivo que permite anticipar, con un 94,74 % de precisión, qué pacientes con obesidad lograrán perder peso y mejorar su metabolismo tras seguir una dieta hipocalórica.
El trabajo, liderado por Rolando Andrade, estudiante del Máster en Ingeniería Biomédica de la UVa, se enmarca dentro de su Trabajo Fin de Máster (TFM) y constituye una herramienta prometedora para la personalización de tratamientos.
Fuente oficial: comunicación.uva.es
Un estudio con base clínica: 893 pacientes analizados
El modelo se ha entrenado con datos clínicos y bioclínicos de 893 pacientes con obesidad atendidos en el Hospital Clínico Universitario de Valladolid entre 2017 y 2023.
Durante tres meses, todos los participantes siguieron una dieta hipocalórica de patrón mediterráneo, basada en frutas, verduras, legumbres, cereales integrales y aceite de oliva virgen extra. El objetivo era reducir el peso corporal y revertir el síndrome metabólico, un conjunto de alteraciones (hipertensión, hiperglucemia, grasa abdominal, hipertrigliceridemia o bajo colesterol HDL) que aumenta el riesgo de diabetes tipo 2, enfermedades cardiovasculares y accidentes cerebrovasculares.
“Con la dieta adecuada y un análisis preciso de los datos clínicos, podemos anticipar quién responderá mejor a una intervención dietética”, explica Rolando Andrade.
Cómo funciona el modelo predictivo
El estudio evaluó el rendimiento de cinco modelos de aprendizaje automático diferentes, diseñados para predecir la pérdida de peso corporal y los cambios metabólicos después de una dieta hipocalórica de tres meses.
Los resultados muestran que los algoritmos de conjunto —concretamente Stacking y XGBoost— son los más eficaces. Estos métodos combinan la potencia de varios modelos individuales para ofrecer una predicción más robusta y precisa.
Entre las variables con mayor peso predictivo se encuentran:
- Edad del paciente
- Niveles de resistencia a la insulina
- Colesterol total y ácido úrico
- Presión arterial diastólica
- Composición corporal (masa muscular, IMC)
- Hábitos de vida (ejercicio físico, consumo de alcohol)
“Nuestro objetivo no es sustituir el juicio clínico, sino complementarlo con herramientas de IA que optimicen la toma de decisiones”, apunta el catedrático Daniel de Luis.
Aplicaciones clínicas y sanitarias
La introducción de este modelo en la práctica clínica podría ahorrar recursos sanitarios y mejorar la eficiencia de los tratamientos. Los profesionales podrían enfocar los esfuerzos terapéuticos en aquellos pacientes con mayor probabilidad de éxito, evitando intervenciones ineficaces.
Además, la investigación abre la puerta a una medicina más predictiva, preventiva y personalizada (las “3P” de la salud digital). En palabras de la profesora Isabel de la Torre, “estos modelos nos permiten ver más allá del presente y anticipar respuestas metabólicas antes incluso de iniciar la dieta”.
El equipo de la UVa subraya la necesidad de validar el modelo en otras poblaciones y de incorporar, en futuras versiones, factores genéticos, conductuales y socioeconómicos que podrían perfeccionar aún más la capacidad predictiva.
IA y nutrición: el futuro de la personalización alimentaria
La convergencia entre inteligencia artificial y nutrición representa una de las áreas de mayor crecimiento dentro de la medicina digital. Modelos como el desarrollado en la UVa podrían integrarse en plataformas clínicas de diagnóstico nutricional, en aplicaciones de seguimiento de pacientes o en programas hospitalarios de control del peso.
Estos avances refuerzan el liderazgo científico de la Universidad de Valladolid en el ámbito de la ingeniería biomédica y la salud pública, consolidando su papel en la investigación europea sobre obesidad y metabolismo.
El estudio de Rolando Andrade y su equipo no solo demuestra la eficacia de la IA en la predicción de resultados dietéticos, sino que ofrece un marco de trabajo replicable para otros trastornos metabólicos.
En una sociedad donde la obesidad es un desafío global, este modelo constituye una herramienta científica que podría transformar la forma en que los sistemas de salud abordan la pérdida de peso y la prevención del riesgo cardiovascular.
gacetadecastillayleon.com 