La osteoporosis, caracterizada por una baja densidad mineral ósea (DMO), está considerada un problema de salud pública cada vez más grave. Hasta ahora, se han propuesto varios modelos de regresión tradicionales y algoritmos de aprendizaje automático  para predecir el riesgo de osteoporosis, sin embargo, dichos modelos han mostrado una precisión relativamente baja en la implementación clínica.

Los investigadores de la Universidad de Tulane, en Nueva Orleans (EEUU) avanzaron hacia esa visión al desarrollar un nuevo algoritmo de aprendizaje profundo que superó los métodos existentes de predicción del riesgo de osteoporosis, lo que potencialmente conduce a diagnósticos más tempranos y mejores resultados para los pacientes con riesgo de osteoporosis.

"Cuanto antes se detecte el riesgo de osteoporosis, más tiempo tendrá el paciente para tomar medidas preventivas", indicó el autor principal, Chuan Qiu, profesor asistente de investigación en el Centro de Informática Biomédica y Genómica de la Facultad de Medicina de Tulane . "Nos complació ver que nuestro modelo de red neuronal profunda (DNN) superaba a otros modelos en la predicción precisa del riesgo de osteoporosis en una población que envejece".

Factores pronósticos

Al probar los algoritmos utilizando una muestra grande de datos de salud del mundo real, los investigadores también pudieron identificar los 10 factores más importantes para predecir el riesgo de osteoporosis: peso, edad, sexo, fuerza de agarre, altura, consumo de cerveza, presión diastólica, consumo de alcohol, años de tabaquismo y nivel de ingresos, según el trabajo publicado en la revista ´Frontiers in Artificial Intelligence´.

En particular, el modelo DNN simplificado que utiliza estos 10 factores de riesgo principales funcionó de forma similar al modelo completo que incluía todos los factores de riesgo.

Si bien el prof. Qiu admitió que hay mucho más trabajo por hacer antes de que los ciudadanos puedan utilizar una plataforma de IA para predecir el riesgo de osteoporosis de una persona, dijo que identificar los beneficios del modelo de aprendizaje profundo era un paso en esa dirección.

"Nuestro objetivo final es permitir que las personas introduzcan su información y reciban puntajes de riesgo de osteoporosis altamente precisos para permitirles buscar tratamiento para fortalecer sus huesos y reducir cualquier daño adicional", concluyó el prof. Qiu.