Investigadores de la Universidad de Salamanca (USAL), la Unidad de Investigación en Atención Primaria de Salamanca (APISAL) del Instituto de Investigación Biomédica de Salamanca (IBSAL) y el Servicio de Salud de Castilla y León (SACYL) han analizado la capacidad de predicción de diferentes métodos de aprendizaje automático -un tipo de Inteligencia Artificial (IA)- para anticipar qué personas pueden presentar un déficit de vitamina D. Para ello, se han basado en diversos parámetros antropométricos como el perímetro de cintura o el índice de masa corporal.
La vitamina D es un nutriente esencial para nuestro organismo. Sus niveles bajos están asociados con una mayor mortalidad debido a enfermedades cardiovasculares y a otro tipo de causas diversas. La falta de vitamina D es muy común entre los europeos de edad avanzada, pero también afecta a la población general. Las personas más vulnerables a padecer este déficit son “los bebés lactantes, las personas mayores y las institucionalizadas, las personas obesas y los afroamericanos de todas las edades”. Y cuando este déficit se produce de forma severa, la principal consecuencia es el raquitismo en niños y la osteomalacia –el “reblandecimiento” de los huesos- en adultos.
Teniendo en cuenta que la principal fuente de vitamina D es la exposición solar, la principal causa de su déficit es la falta de sol; aunque a veces también se producen trastornos que ocasionan que el organismo no la absorba correctamente.
ESTUDIO EVA
La investigación, publicada en la revista Mathematics, tiene su origen en el estudio EVA, ‘Asociación entre diferentes factores de riesgo y el envejecimiento vascular precoz’. “En el proyecto EVA estudiamos los determinantes del envejecimiento vascular y, dentro de estos determinantes, encontramos que la obesidad abdominal juega un papel importante”, explica Carmen Patino Alonso, investigadora de la USAL y del IBSAL y primera autora del trabajo.
Este hallazgo puso el foco en la vitamina D. “Las concentraciones bajas de vitamina D se asocian a la obesidad, una epidemia emergente en todo el mundo, y queríamos valorar si esta relación se daba tanto en la obesidad general como en la obesidad abdominal”, detalla la doctora.
La comunidad médica dispone actualmente de diferentes parámetros que permiten estimar y diferenciar de forma sencilla la obesidad central de la obesidad periférica. Así, durante el estudio los investigadores midieron diferentes índices antropométricos -perímetro de la cintura (CC), índice de masa corporal (IMC), índice de adiposidad visceral (VAI), índice de redondez corporal (BRI), índice de cintura-talla (WHtR) y porcentaje de grasa corporal (CUN-BAE)- en 501 individuos seleccionados de forma aleatoria de una población de referencia 43.946 personas.
El objetivo fue comparar diferentes algoritmos de aprendizaje supervisado en una cohorte de sujetos españoles con una edad entre 35 y 75 años para determinar qué parámetro antropométrico se asociaba mejor con el déficit de vitamina D, de manera que, en un futuro, pueda preverse dicho déficit antes de que se produzca y tomar las medidas oportunas para tratar de evitarlo.
Según indica Patino Alonso, “todos los índices analizados se asociaron con déficit de vitamina D en varones excepto el parámetro CUN-BAE para el porcentaje de grasa corporal, que fue el único donde se encontró asociación en mujeres”.
De esta forma, la capacidad de predicción de déficit de vitamina D a partir de los parámetros antropométricos difiere según el sexo: los índices CC, IMC, WHtR, VAI y BRI son útiles en varones y el CUN-BAE es útil en mujeres. Por otro lado, el trabajo muestra el enfoque de aprendizaje automático más apropiado para cada índice.
Referencia:____________________
Patino-Alonso, C., Gómez-Sánchez, M., Gómez-Sánchez, L., Sánchez Salgado, B., Rodríguez-Sánchez, E., García-Ortiz, L., & Gómez-Marcos, M. A. (2022). Predictive Ability of Machine-Learning Methods for Vitamin D Deficiency Prediction by Anthropometric Parameters. Mathematics, 10(4), 616. https:// doi.org/10.3390/math1004061.