Un nuevo estudio muestra que la IA puede predecir la desnutrición infantil en países subdesarrollados

Un equipo multidisciplinario de investigadores de la Escuela de Computación Avanzada de la USC y la Escuela de Medicina Keck, trabajando junto con expertos de Microsoft AI for Good Lab, Amref Health Africa y el Ministerio de Salud de Kenia, ha desarrollado un modelo de inteligencia artificial (IA) que puede predecir la desnutrición infantil aguda en Kenia con hasta seis meses de anticipación.

La herramienta ofrece a los gobiernos y organizaciones humanitarias un tiempo crítico para entregar alimentos, atención médica y suministros vitales a áreas en riesgo. El modelo de aprendizaje automático supera los enfoques tradicionales al integrar datos clínicos de más de 17.000 centros de salud de Kenia con datos satelitales sobre la salud y la productividad de los cultivos.

Logra una precisión del 89 % al pronosticar con un mes de anticipación y mantiene una precisión del 86 % durante seis meses, una mejora significativa con respecto a los modelos de referencia más simples que se basan únicamente en las tendencias recientes de prevalencia de desnutrición infantil histórica.

Una innovación que puede predecir la desnutrición pese a las variables 

A diferencia de los modelos existentes, la nueva herramienta es especialmente eficaz para pronosticar la malnutrición en regiones donde la prevalencia fluctúa y los aumentos repentinos son difíciles de anticipar.

“Este modelo es revolucionario”, afirma Bistra Dilkina, profesora asociada de informática y codirectora del Centro de Inteligencia Artificial en la Sociedad de la USC. “Al utilizar modelos de IA basados ​​en datos, se pueden capturar relaciones más complejas entre múltiples variables que interactúan para ayudarnos a predecir la prevalencia de la desnutrición con mayor precisión”.

Los hallazgos se detallan en un estudio de PLOS One, titulado “Pronóstico de la desnutrición infantil aguda en Kenia utilizando aprendizaje automático y diversos conjuntos de indicadores”. Los autores son Girmaw Abebe Tadesse (Microsoft AI for Good Lab), Laura Ferguson (USC Institute on Inequalities in Global Health), Caleb Robinson, Rahul Dodhia, Juan M. Lavista Ferres (Microsoft AI for Good Lab), Shiphrah Kuria, Herbert Wanyonyi, Samuel Mburu (Amref Health Africa), Samuel Murage (Ministerio de Salud de Kenia) y Bistra Dilkina (Centro de IA de la USC en Sociedad).

Girmaw Abebe Tadesse, científico principal y gerente del Microsoft AI for Good Lab en Nairobi, Kenia, señala que cree que la herramienta de inteligencia artificial predictiva marcará una diferencia.

“Este proyecto es importante, ya que la desnutrición supone un desafío significativo para los niños en África, un continente que enfrenta una gran inseguridad alimentaria agravada por el cambio climático”, explica.

Una emergencia de salud pública

En Kenia, el 5 % de los niños menores de cinco años (unas 350.000 personas) padecen desnutrición aguda, una afección que debilita el sistema inmunitario y aumenta drásticamente el riesgo de muerte por enfermedades comunes como la diarrea y la malaria. En algunas regiones, la tasa alcanza el 25 %. A nivel mundial, la desnutrición está relacionada con casi la mitad de las muertes de niños menores de cinco años.

“La desnutrición es una emergencia de salud pública en Kenia”, asegura Laura Ferguson, directora de investigación del Instituto sobre Desigualdades en la Salud Global de la USC y profesora asociada de ciencias de la población y la salud pública en la Facultad de Medicina Keck de la USC. “Los niños se enferman innecesariamente. Los niños mueren innecesariamente”.

Los actuales esfuerzos de pronóstico en Kenia se basan en gran medida en el juicio de expertos y en el conocimiento histórico: métodos que tienen dificultades para anticipar nuevos puntos críticos o cambios rápidos.

En cambio, el modelo del equipo utiliza datos sanitarios rutinarios de Kenia, recopilados a través del Sistema de Información de Salud Distrital 2 (DHIS2), junto con indicadores derivados por satélite, como la salud y la productividad de los cultivos, para identificar áreas de riesgo emergentes con mucha mayor precisión.

“La mejor manera de predecir el futuro es crearlo utilizando los datos disponibles para una mejor planificación y preposicionamiento en los países en desarrollo”, comparte Murage SM Kiongo, oficial de Programa de Monitoreo y Evaluación de la División de Nutrición y Dietética del Ministerio de Salud de Kenia. “Las tendencias nos cuentan una historia. Las fuentes de datos multifacéticas, junto con el aprendizaje automático, ofrecen la oportunidad de mejorar la programación en temas de nutrición y salud”.

Un recurso público sostenible y actualizado periódicamente

Los investigadores han desarrollado un prototipo de panel de control que visualiza el riesgo regional de desnutrición, lo que permite respuestas más rápidas y mejor focalizadas a los riesgos de desnutrición infantil. Ferguson y Dilkina colaboran actualmente con el Ministerio de Salud de Kenia y Amref Health Africa para integrar el modelo y el panel de control en los sistemas gubernamentales y la toma de decisiones, con el objetivo de crear un recurso público sostenible y actualizado periódicamente.

“La mayoría de los problemas de salud globales no pueden resolverse solo desde el ámbito de la salud, y este es uno de ellos”, destaca Ferguson. “Por lo tanto, necesitamos absolutamente expertos en salud pública. Necesitamos funcionarios médicos. Necesitamos organizaciones sin fines de lucro. Necesitamos ingenieros. Si se elimina a un solo socio, simplemente no funciona y no tendrá el impacto que esperamos”.

Más de 125 países utilizan actualmente DHIS2, incluidos unos 80 países de ingresos bajos y medios. Esto significa que este marco basado en IA, que se basa únicamente en datos de salud y satelitales existentes, podría adaptarse para combatir la desnutrición en otros países del mundo.

“Si podemos hacer esto por Kenia, podemos hacerlo por otros países”, asegura Dilkina. “El cielo es el límite cuando existe un compromiso genuino de trabajar en colaboración”.