El proyecto europeo EprObes emplea datos clínicos y epigenéticos para adaptar las predicciones de riesgo, permitiendo intervenciones tempranas.
La obesidad se ha consolidado como una de las mayores amenazas para la salud pública a nivel mundial, con una prevalencia en constante aumento durante las últimas décadas y una serie de comorbilidades que afectan profundamente el bienestar individual y reducen la esperanza de vida. A pesar de los avances en investigación, los tratamientos actuales para la obesidad han mostrado resultados limitados, lo que subraya la necesidad urgente de implementar estrategias preventivas efectivas para mitigar las complicaciones metabólicas asociadas con el sobrepeso a lo largo de la vida.
En este contexto, varios equipos del Centro de Investigación Biomédica en Red (CIBER) en la Universidad de Granada (UGR) han desarrollado un modelo de inteligencia artificial (IA) para predecir el riesgo de alteraciones metabólicas en niños con obesidad. El trabajo, 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.
Este trabajo ha permitido identificar que niños y niñas con alteraciones metabólicas durante la pubertad muestran patrones clínicos y epigenéticos distintivos desde la etapa prepuberal. Así, los investigadores destacan que la implementación de este modelo de inteligencia artificial en hospitales podría facilitar la detección precoz de riesgos metabólicos y permitiría intervenir a tiempo mediante tratamientos farmacológicos o cambios en el estilo de vida, previniendo así enfermedades metabólicas. Además de reducir las comorbilidades vinculadas a la obesidad, esta estrategia también tendría el potencial de disminuir los costes asociados al sistema de salud pública, según indican los autores del estudio.
Este estudio ha sido coordinado por personal del área de Fisiopatología de la Obesidad y Nutrición del CIBER (CIBEROBN) en la Universidad de Granada, el Instituto de Investigación Biosanitaria (ibs.GRANADA) y el Instituto Andaluz Interuniversitario en Data Science and Computational Intelligence (DaSCI), entre otras instituciones. Asimismo, ha sido desarrollado gracias al respaldo financiero del Instituto de Salud Carlos III y del proyecto europeo EprObes (Preventing lifetime obesity by early risk-factor identification, prognosis and intervention). Este programa europeo tiene como objetivo principal prevenir la obesidad identificando de forma temprana los factores de riesgo, proporcionando un pronóstico preciso y facilitando intervenciones oportunas.
Se sabe que el desarrollo de la obesidad en adultos está estrechamente relacionado con eventos de maduración temprana, incluyendo factores fisiopatológicos y psicológicos que ocurren durante las etapas gestacional, infantil y adolescente, sin embargo, estos determinantes continúan siendo poco comprendidos. Por lo que identificar los mecanismos patogénicos tempranos y los marcadores de enfermedades metabólicas resulta esencial para diseñar estrategias de prevención activa y planes personalizados para el manejo del peso corporal en etapas posteriores de la vida.
Un aspecto relevante y aún insuficientemente explorado es cómo los mecanismos patogénicos y la susceptibilidad a la obesidad varían según el género. Esta falta de conocimiento podría limitar la eficacia de las medidas preventivas y los tratamientos diseñados para abordar tanto la obesidad como sus complicaciones metabólicas.
En este sentido, el proyecto eprObes es una iniciativa multidisciplinaria centrada en el paciente que combina estudios clínicos en distintas etapas de desarrollo con investigaciones en salud mental, comportamiento, estilo de vida y cognición. Además, incorpora análisis mecanísticos utilizando modelos preclínicos avanzados con el objetivo principal de establecer estrategias efectivas para prevenir activamente la obesidad a lo largo de toda la vida, con un enfoque especial en los periodos críticos del desarrollo, desde la etapa prenatal (incluido el periodo periconcepcional) hasta la pubertad, así como en los factores que influyen en las conductas alimentarias.
A través de estudios multiómicos y un análisis integral de datos respaldado por tecnologías bioinformáticas e inteligencia artificial, eprObes busca diseñar medidas preventivas personalizadas y promover intervenciones en el estilo de vida en momentos clave del desarrollo. Estas acciones están dirigidas a prevenir el exceso de peso corporal y las complicaciones metabólicas a lo largo de la vida, con atención específica a ambos sexos.
El modelo de inteligencia artificial combina datos tradicionales, como el índice de masa corporal y los niveles hormonales de leptina y adiponectina, con nuevos marcadores genéticos en genes clave como HDAC4, PTPRN2, MATN2, RASGRF1 y EBF1. Una de las características más innovadoras de este modelo es su diseño como una IA explicable, lo que permite a los profesionales sanitarios interpretar su funcionamiento y comprender las bases de sus predicciones, facilitando así su integración en la práctica clínica.
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”, señaló Álvaro Torres, investigador del CIBEROBN.