MADRID, 4 Jul. (EUROPA PRESS) -
Investigadores del CIBER - Centro de Investigación Biomédica en Red van a coordinar el proyecto europeo 'Eprobes', que con un presupuesto de 10 millones de euros y una metodología basada en Inteligencia Artificial (IA) estudiará cómo prevenir la obesidad infantil a través de la identificación temprana de biomarcadores, factores de riesgo, pronóstico e intervención.
Con una duración de 5 años, 'Eprobes' reúne a científicos de países como Alemania, Francia, Dinamarca, Turquía, Polonia, Bélgica o Estonia. Los líderes del proyecto serán los investigadores Manuel Tena-Sempere, Empar Lurbe y Fernando Fernández-Aranda.
La iniciativa, coordinada desde el CIBER y su área de Fisiopatología de la Obesidad y Nutrición (CIBEROBN), contará con la participación de instituciones punteras en España como, entre otros, la Universidad de Córdoba (UCO), la Fundació Institut d'Investigació Biomédica (IDIBELL), el Instituto Maimónides de Investigación Biomédica de Córdoba (IMIBIC), el Consejo Superior de Investigaciones Científicas (CSIC) o la Universidad de Valencia, además de 18 organizaciones internacionales.
En rueda de prensa este martes, Manuel Tena-Sempere, coordinador del proyecto e investigador principal del CIBEROBN y de la Universidad de Córdoba, ha recordado que "a pesar de los grandes esfuerzos de investigación, hasta el momento los tratamientos para las formas más comunes de obesidad han demostrado tener una eficacia limitada".
"Por ello, las estrategias efectivas de prevención, especialmente en etapas tempranas, son esenciales para evitar a lo largo de la vida el espectro completo de complicaciones metabólicas que provoca el sobrepeso", ha detallado.
Así, el investigador ha resaltado que el objetivo del proyecto es, por tanto, "abordar el tratamiento de la obesidad desde un punto de vista diferente".
Al hilo, la directora científica del CIBEROBN, María Puy Portillo, ha asegurado que se trata de "un proyecto muy ambicioso y con una gran dotación económica". "La prevención a largo plazo de la obesidad va a ser más eficiente que el tratamiento. Queremos reducir el gasto sociosanitario que genera la obesidad, que es muy elevado", ha esgrimido.
Para implementar medidas personalizadas contra la obesidad y sus comorbilidades, 'Eprobes' apunta a identificar los factores de riesgo y protectores y los mecanismos que se encuentran en la base del aumento de peso excesivo en periodos críticos de maduración de las personas, especialmente periconcepcional/gestacional y el desarrollo temprano de la infancia y la pubertad/adolescencia.
LOS FACTORES DETERMINANTES DE LA OBESIDAD Y SUS ESPECIFICIDADES
Compuestos ambientales, condiciones de la familia, estado metabólico materno, crecimiento fetal y factores epigenéticos son algunos de los factores determinantes de la obesidad, todos presentes en estadios tempranos del desarrollo de las personas.
De aquí que, como ha explicado el coordinador del 'Eprobes', este proyecto europeo busque contribuir a "implementar estrategias preventivas desde etapas iniciales de la vida". Asimismo, el estudio está concebido desde una perspectiva comparativa entre sexos, que permitirá comprender mejor cómo las hormonas, el metabolismo, los roles de género, las disparidades sociales y otros factores pueden interactuar y contribuir de manera específica a la obesidad y sus comorbilidades en cada sexo.
El proyecto también incorpora, de manera transversal, el análisis de factores psicológicos y socioeconómicos, especialmente la salud mental y los trastornos de la conducta alimentaria como aspectos que inciden e incrementan el riesgo de obesidad, un problema de salud pública y de creciente incidencia en las poblaciones de países desarrollados y en vías de desarrollo.
Para abarcar mejor el fenómeno multicausal de la obesidad, y especialmente el período de la infancia, 'Eprobes' se divide en nueve paquetes de trabajo interconectados, que incluyen estudios clínicos y preclínicos, análisis mecanicistas y moleculares, así como el uso de herramientas bioinformáticas y de IA.
USO DE INTELIGENCIA ARTIFICIAL
Para analizar los datos de series temporales de las cohortes de la muestra y realizar predicciones sobre el riesgo de desarrollo de obesidad en un periodo específico se utilizarán modelos de IA, como los de redes neurales artificiales o recurrentes o los de memoria extendida de corto-medio plazo.
La utilización de la IA es uno de los aspectos más novedosos del proyecto, que incorpora el análisis de datos y el recurso a algoritmos de aprendizaje automático para diseñar herramientas de apoyo a la toma de decisiones de médicos y profesionales de la salud en la prevención y el tratamiento del sobrepeso y la obesidad.
Álex Bravo, investigador especialista en Machine Learning, ha resaltado que el recurso a estos modelos, que parten de datos descriptivos como la edad o el género, "permitirá predecir trayectorias de obesidad según la probabilidad de que los individuos sufran sobrepeso u obesidad".
