Un estudio muestra que incluir experiencias tempranas de vida aumenta la precisión en la detección de riesgo de diabetes y enfermedades cardiovasculares.
Un equipo de investigadores europeos ha demostrado que las experiencias en la infancia y etapas tempranas de la vida influyen de manera significativa en la aparición de múltiples enfermedades crónicas en la adultez. El estudio, publicado en PLOS Digital Health, empleó técnicas de machine learning or machine learning para analizar cómo estos factores mejoran la predicción de riesgo de diabetes y enfermedades cardiovasculares, especialmente en personas que también padecen problemas de salud mental.
La investigación se centró en la multimorbilidad psico-cardio-metabólica, es decir, la presencia simultánea de condiciones como depresión, ansiedad, enfermedades del corazón y diabetes. Utilizando datos de 150 mil participantes del biobanco del Reino Unido, los científicos entrenaron modelos de inteligencia artificial capaces de integrar no solo indicadores médicos tradicionales, como presión arterial o niveles de glucosa, sino también factores de vida temprana (ELFs, en inglés), tales como haber sido amamantado o contar con acceso a cuidados médicos en la niñez.
Los resultados mostraron que, al incluir estos factores, la precisión en la predicción de riesgo aumentó notablemente. Además, para enfermedades cardiovasculares, la mejora alcanzó casi un 8% en la capacidad del modelo para discriminar casos futuros, mientras que en la predicción de diabetes la precisión se incrementó en más de un 12%. El estudio también identificó que aspectos psicológicos, como el haber experimentado depresión en la infancia, interactúan con variables metabólicas y sociales en la determinación del riesgo.
Además, los modelos de machine learning superaron el desempeño de herramientas clínicas clásicas, como el puntaje de Framingham para enfermedades cardíacas y el modelo DiabetesUK. Estas herramientas, aunque útiles en la población general, resultan menos exactas en personas con múltiples condiciones de salud.
Los hallazgos refuerzan la idea de que la salud a lo largo de la vida se ve moldeada por experiencias desde la gestación hasta la niñez, y que incorporarlas en los modelos de predicción puede mejorar la prevención y manejo de enfermedades crónicas. Sin embargo, los autores reconocen las limitaciones, como la falta de diversidad en la muestra analizada. A pesar de ello, el trabajo abre la puerta a un enfoque más personalizado y equitativo en medicina, donde la historia temprana de cada persona sea considerada en la evaluación de riesgos.
