Blog
Inteligencia artificial aporta nuevas claves para entender la diabetes tipo 2 en México
La Revista de Investigación e Innovación en Ciencias de la Salud – RIICS presenta un nuevo estudio que analiza cómo la inteligencia artificial puede contribuir a una mejor comprensión de la diabetes tipo 2, integrando tanto factores clínicos como sociales en su abordaje.
La diabetes tipo 2 es una enfermedad compleja y de alta prevalencia, influenciada no solo por variables biomédicas, sino también por condiciones socioeconómicas como el nivel de ingreso, la educación y el acceso a servicios de salud. Sin embargo, gran parte de los estudios en inteligencia artificial han priorizado históricamente los datos clínicos, dejando en segundo plano estos determinantes sociales.
Con el propósito de ampliar esta mirada, el estudio analizó información de 1.787 personas en México, incluyendo población con y sin diagnóstico de diabetes. A través de diez modelos de aprendizaje de máquina y herramientas de inteligencia artificial explicable, se evaluó el peso de distintas variables en la identificación de la enfermedad.
Los resultados evidenciaron que modelos como XGBoost y LightGBM presentaron el mejor desempeño. Si bien factores como la glucosa, la presión arterial diastólica y la edad continúan siendo determinantes clave, el análisis demostró que variables socioeconómicas como el ingreso y el nivel educativo también aportan información significativa en la identificación de la diabetes.
Este enfoque refuerza la necesidad de comprender la enfermedad desde una perspectiva integral, en la que los factores sociales juegan un papel relevante. La incorporación de estos elementos permite desarrollar herramientas más completas, con potencial para mejorar la detección temprana y orientar estrategias de prevención más equitativas, especialmente en contextos de desigualdad.
El estudio plantea como próximos pasos la validación de estos modelos en diferentes poblaciones y contextos clínicos, así como la incorporación de nuevas variables sociales y conductuales, con el fin de fortalecer su aplicabilidad en programas de salud pública.
#MásMaríaCano
