La IA puede predecir posibles deficiencias de nutrientes desde el espacio
Las deficiencias de micronutrientes afectan a más de dos mil millones de personas en todo el mundo, incluidos 340 millones de niños. Esta falta de vitaminas y minerales puede tener graves consecuencias para la salud. Pero el diagnóstico de deficiencias lo suficientemente temprano para un tratamiento efectivo requiere extracciones de sangre y pruebas de laboratorio costosas y que consumen mucho tiempo.
Una nueva investigación proporciona un enfoque más eficiente. La científica informática Elizabeth Bondi y sus colegas de la Universidad de Harvard utilizaron datos satelitales disponibles públicamente e inteligencia artificial para identificar de manera confiable las áreas geográficas donde las poblaciones corren un alto riesgo de deficiencias de micronutrientes. Este análisis podría allanar el camino para intervenciones tempranas de salud pública.
Los sistemas de IA existentes pueden usar datos satelitales para predecir problemas de seguridad alimentaria localizados, pero generalmente se basan en características directamente observables. Por ejemplo, la productividad agrícola se puede estimar a partir de vistas de la vegetación. La disponibilidad de micronutrientes es más difícil de calcular. Después de ver investigaciones que muestran que las áreas cercanas a los bosques tienden a tener una mejor diversidad dietética, Bondi y sus colegas se inspiraron para identificar marcadores menos conocidos de desnutrición potencial. Su trabajo muestra que la combinación de datos como la cobertura vegetal, el clima y la presencia de agua puede sugerir dónde las poblaciones carecerán de hierro, vitamina B12 o vitamina A.
El equipo examinó mediciones satelitales sin procesar y consultó con funcionarios locales de salud pública, luego IA usada para filtrar los datos y señalar las características clave. Por ejemplo, un mercado de alimentos, inferido en base a caminos y edificios visibles, fue vital para predecir el nivel de riesgo de una comunidad. Luego, los investigadores vincularon estas características con nutrientes específicos que faltan en las poblaciones de cuatro regiones de Madagascar. Utilizaron datos de biomarcadores del mundo real (muestras de sangre analizadas en laboratorios) para entrenar y probar su programa de IA.
Las predicciones de deficiencia de micronutrientes a nivel regional en poblaciones fuera de los conjuntos de datos de capacitación cumplieron, y en ocasiones excedieron, la precisión de las estimaciones basadas en encuestas administradas por funcionarios locales de salud pública. “Nuestro trabajo muestra un método que permite la identificación y la selección de poblaciones vulnerables para el apoyo nutricional que puede complementar… procedimientos costosos e invasivos”, dice Bondi. El estudio se detalló en la reunión virtual de 2022 de la Asociación para el Avance de la Inteligencia Artificial.
“Esta es una contribución novedosa que destaca el potencial de la IA para promover la salud pública”, dice Christine Ekenga, epidemióloga de la Universidad de Emory, que no participó en el estudio. La recopilación de datos de salud en entornos de bajos recursos puede ser difícil debido a las limitaciones de costos e infraestructura, agrega, y «los autores han validado un método que puede superar estos desafíos».
Los investigadores tienen como objetivo desarrollar una aplicación de software que extienda este análisis a otros países que tienen datos satelitales públicos. “Esperamos que esta aplicación pueda permitir que los funcionarios de salud pública interactúen con los conocimientos que nuestro sistema puede proporcionar y ayudar a informar las intervenciones”, dice Bondi.
