La herramienta de inteligencia artificial puede detectar las tendencias de la diabetes tipo 2 en los EE. UU.
Mapas que muestran grupos de diabetes tipo 2 y su relación con seis factores de riesgo. Crédito: Universidad de Buffalo
Un nuevo estudio de la Universidad de Buffalo informa sobre las ventajas de usar inteligencia artificial para comprender mejor la diabetes tipo 2 en los Estados Unidos.
El estudio describe cómo el aprendizaje automático, un subconjunto de la IA que implica que las computadoras actúen de manera inteligente sin estar programadas explícitamente, puede ayudar a explorar la prevalencia de la enfermedad, que afecta a más de 34 millones de estadounidenses, así como a detectar tendencias futuras.
El trabajo fue dirigido por Zia Ahmed, científica sénior y profesora asociada de investigación en el Instituto RENEW de la UB. Se publicó el 26 de marzo en Nature’s Scientific Reports.
La prevalencia de la diabetes tipo 2 en los Estados Unidos varía sustancialmente, dice Ahmed, como resultado de una amplia gama de factores de riesgo socioeconómicos y de estilo de vida.
El estudio se basó en los datos informados en el Sistema de Vigilancia de la Diabetes de los EE. UU. de los Centros para el Control y la Prevención de Enfermedades (CDC) y el Sistema de Vigilancia de Factores de Riesgo del Comportamiento de los CDC. Datos adicionales, como seis factores de riesgo: acceso a la educación superior, pobreza, obesidad, inactividad física, acceso a áreas de ejercicio como parques públicos y acceso a alimentos saludables, provienen del Programa de Estimaciones de Población de la Oficina del Censo de EE. UU.
La máquina programa de aprendizaje que el equipo de investigación empleó, un modelo de bosque aleatorio ponderado geográficamente supera a los métodos existentes, dice Ahmed.
Comprender mejor las variaciones en estos factores de riesgo podría ayudar con los enfoques de intervención y tratamiento para reducir o prevenir la diabetes tipo 2, dice Ahmed. Agrega que los hallazgos del estudio podrían conducir a estrategias de prevención más personalizadas y efectivas desde una perspectiva política, lo cual es fundamental dado el aumento proyectado de la diabetes.
«Zia tiene capacitación integral, investigación y experiencia de supervisión en datos geoespaciales ciencias en aplicaciones agrícolas, de salud y ambientales. Su interés de investigación actual es la inteligencia artificial explicable (XAI) para explorar la heterogeneidad espacial de la contribución local en la predicción. Su conocimiento y habilidades en técnicas de datos avanzadas y aprendizaje automático están impactando varias áreas de enfoque de RENEW, incluyendo exposiciones ambientales, genomas y salud», dijo Amit Goyal, profesor distinguido de SUNY y director fundador del Instituto RENEW de la UB.
Ahmed tiene más de 20 años de experiencia en modelado ambiental y análisis de datos. Las áreas de especialización incluyen minería de datos; sistemas de información geográfica, detección remota/proximal y geoestadística; modelo lineal/no lineal, modelo de efectos mixtos, estadísticas multivariadas y aprendizaje automático; y gestión de bases de datos.
Explore más
La inteligencia artificial podría ayudar a predecir futuros casos de diabetes Más información: Sarah Quiones et al. Modelo de aprendizaje automático ponderado geográficamente para desenredar la heterogeneidad espacial de la prevalencia de la diabetes mellitus tipo 2 (T2D) en los EE. UU., Scientific Reports (2021). DOI: 10.1038/s41598-021-85381-5 Información de la revista: Informes científicos
Proporcionado por la Universidad de Buffalo Cita: La herramienta de inteligencia artificial puede detectar tendencias de diabetes tipo 2 en EE. UU. (30 de marzo de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-03-ai-tool-diabetes-trends.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.