image: Con la tecnología, los profesionales de la salud pueden adoptar con antelación medidas como la suplementación nutricional view more
Credit: Patrícia Rondó/FSP-USP
Los bebés que nacen con bajo peso (menos de 2.5 kg) 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 São Paulo (USP) demostró que los modelos de aprendizaje automático pueden utilizarse para predecir estos casos y, con ello, prevenir complicaciones, permitiendo intervenciones más tempranas y eficaces.
La investigación se basó en datos de 1,579 gestantes acompañadas por la cohorte poblacional de Araraquara, en el interior del estado de São Paulo (Brasil), y representa la primera aplicación de algoritmos avanzados de machine learning con este fin en el país. El trabajo, apoyado por la FAPESP, 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 machine learning: Random Forest, XGBoost, LightGBM y CatBoost, destacándose el XGBoost, que presentó los mejores resultados en la identificación de embarazos con alto riesgo.
“Los hallazgos tienen un impacto significativo en la práctica clínica y en la formulación de políticas públicas, dado que el uso de inteligencia artificial y aprendizaje automático 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 São Paulo (FSP-USP) y autora del estudio publicado en la revista BMC Pregnancy and Childbirth.
El bajo peso al nacer es un problema de salud global, vinculado tanto a factores médicos, como complicaciones durante el embarazo, como a factores socioeconómicos, como 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 de altos ingresos, lo que limita su aplicabilidad en regiones como Brasil y América Latina.
Según los autores, la tecnología 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 los impactos del problema 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 2 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 Audêncio 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 London School of Hygiene and Tropical Medicine, de la Universidad de Londres.
Factores como la edad materna, variables antropométricas, nivel socioeconómico y 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, y un modelo predictivo como el que probamos es importante para clasificar los casos de mayor riesgo que requieren más atención durante el 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 São 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 artículo Predicting low birth weight risks in pregnant women in Brazil using machine learning algorithms: data from the Araraquara cohort study puede ser leído en: bmcpregnancychildbirth.biomedcentral.com/articles/10.1186/s12884-025-07351-3.
Sobre la Fundación de Apoyo a la Investigación Científica del Estado de São Paulo (FAPESP)
La Fundación de Apoyo a la Investigación Científica del Estado de São Paulo (FAPESP), creada en 1962, se ubica entre los más importantes organismos de fomento de la ciencia y la tecnología de Brasil. La Fundación selecciona y brinda apoyo a proyectos de investigación que presentan científicos vinculados a instituciones de educación superior e investigación científica del estado de São Paulo en todas las áreas del conocimiento: ciencias, tecnología, ingeniería, artes y humanidades. La FAPESP también apoya investigaciones en áreas consideradas estratégicas en Brasil, mediante programas orientados a grandes temas, tales como biodiversidad, cambios climáticos y bioenergía. Sepa más sobre la FAPESP en el sitio www.fapesp.br. E ingrese a la agencia de noticias de la FAPESP en http://agencia.fapesp.br/inicio/, para actualizarse al respecto de los últimos avances científicos que la Fundación apoya por intermedio de diversos programas, premios y centros de investigación. Si desea suscribirse a nuestra agencia de noticias, ingrese en: http://agencia.fapesp.br/suscribir/.
Journal
BMC Pregnancy and Childbirth
Article Title
Predicting low birth weight risks in pregnant women in Brazil using machine learning algorithms: data from the Araraquara cohort study
Article Publication Date
19-Mar-2025