Cartografiar la desnutrición desde el espacio

Un algoritmo de inteligencia artificial puede detectar carencias alimenticias a partir de datos satelitales.

[THOMAS FUCHS]

La falta de micronutrientes afecta a más de 2000 millones de personas en todo el mundo, incluidos 340 millones de niños. Esa carencia de vitaminas y minerales puede acarrear graves consecuencias para la salud, pero diagnosticarla con suficiente antelación para combatirla de forma eficaz requiere extracciones de sangre y pruebas de laboratorio lentas y costosas.

Un nuevo estudio ofrece una alternativa más eficiente. La científica computacional Elizabeth Bondi y sus colaboradores de la Universidad Harvard emplearon datos satelitales de dominio público y un algoritmo de inteligencia artificial para localizar áreas geográficas cuya población corre un alto riesgo de sufrir déficit de micronutrientes. Este análisis podría allanar el camino para la aplicación temprana de medidas de salud pública.

Los sistemas de inteligencia artificial actuales pueden emplear datos de satélite para prede­cir problemas locales de seguridad alimentaria, pero suelen basarse en aspectos directamente observables. Por ejemplo, es posible estimar la productividad agrícola a partir de vistas de la vegetación. Sin embargo, calcular la disponibilidad de micronutrientes resulta más complicado.

Inspirándose en un estudio que mostraba que la población de las zonas cercanas a los bosques suele presentar una dieta más diversa, Bondi y sus colaboradores identificaron indicadores poco conocidos de una posible desnutrición. Su trabajo demuestra que combinar datos como la cubierta vegetal, las condiciones meteorológicas y la presencia de agua puede dar pistas sobre los lugares donde la gente padecerá carencias de hierro, vitamina B12 o vitamina A.

El equipo examinó las mediciones en bruto de los satélites y consultó a funcionarios sanitarios locales. Luego usó un programa de inteligencia artificial para escudriñar los datos y determinar las características clave. Por ejemplo, la existencia de un mercado de alimentos, inferida de las carreteras y los edificios visibles, resultaba esencial para prever el riesgo de una comunidad. Por último, los investigadores relacionaron esas características con las carencias de nutrientes concretos en la población de cuatro regiones de Madagascar, empleando datos reales de biomarcadores (muestras de sangre analizadas en laboratorios) para entrenar y probar su algoritmo.

Las predicciones sobre la carencia de micronutrientes a escala regional, para poblaciones que no estaban incluidas en los datos de entrenamiento, alcanzaron (y a veces superaron) la precisión de los cálculos basados en los sondeos de las autoridades sanitarias locales. «Nuestro trabajo describe un método que permite identificar poblaciones vulnerables, para brindarles un soporte nutricional que complemente [otros] procedimientos costosos e invasivos», subraya Bondi. El estudio se presentó en el congreso virtual que celebró en febrero la Asociación para el Avance de la Inteligencia Artificial.

«Es una contribución novedosa que resalta el potencial de la inteligencia artificial para promover la sanidad pública», valora Christine Ekenga, epidemióloga de la Universidad Emory ajena al estudio. La obtención de datos sanitarios en áreas de bajos recursos puede verse dificultada por limitaciones económicas y de infraestructuras, añade, pero «los autores han validado un método capaz de vencer estos obstáculos».

Los autores pretenden desarrollar una aplicación informática para extender su análisis a otros países que dispongan de datos satelitales públicos. «Esperamos que esa aplicación permita a las autoridades sanitarias interactuar con la información que proporciona nuestro sistema y les ayude a diseñar intervenciones», concluye Bondi.

Puedes obtener el artículo en...

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.