Objetivo:
En la obesidad, las mitocondrias se encuentran expuestas a un entorno lipotóxico adverso que altera su estructura, dinámica, recambio y conectividad, favoreciendo el desarrollo de enfermedades metabólicas, oncológicas y cardiovasculares. Actualmente, no se dispone de algoritmos que integren de manera efectiva las ciencias clínicas y básicas para una atención integral en salud. Por ello, la presente investigación se centra en el uso de herramientas de inteligencia artificial (IA) para el desarrollo de un modelo de entrenamiento basado en deep learning, orientado al mapeo computarizado de la obesidad.
Metodología:
Se obtuvo un modelo de deep learning mediante la creación de diversos algoritmos de aprendizaje profundo, donde se incluyó diseños de algoritmos para historias clínicas de pacientes con obesidad, microfotografías e imágenes, estudios de laboratorio e imagenológicos, provenientes de un estudio previo de obesidad gestacional realizado en las mismas pacientes, donde se incorporó el análisis de marcadores moleculares del metabolismo mitocondrial en placenta humana. El proceso contempló etapas de preprocesamiento de datos, entrenamiento del modelo y diseño de prompts específicos.
Resultados:
Diseño de algoritmos de deep learning mediante la elaboración de prompts guiados, orientados al uso en motores de búsqueda y plataformas de inteligencia artificial, basados en variables dependientes e independientes relacionadas con la obesidad, datos clínicos específicos e imágenes de histología molecular.
Conclusiones:
La creación de herramientas basadas en inteligencia artificial (IA) aplicadas a la obesidad representa un enfoque innovador que integra las ciencias biomédicas y clínicas. El desarrollo de modelos de deep learning permitirá mejorar el abordaje clínico, facilitando intervenciones terapéuticas tempranas en patologías de alto riesgo cardiovascular, metabólico y endocrino.
