IA detecta asociación entre salud mental materna y riesgo de obesidad infantil en estudio con 9 mil niñas y niños

IA para mirar más allá de la alimentación

En colaboración con el Instituto Nacional de Administración Pública (INAP), Flores Gerónimo participa en una investigación que emplea Machine Learning para analizar factores relacionados con el desarrollo de obesidad infantil.

El estudio trabajó con información de alrededor de 9 mil niñas y niños de entre 0 y 12 años y analizó 29 variables agrupadas en siete bloques. Además de factores conocidos, como consumo de alimentos ultraprocesados y bebidas azucaradas, menor ingesta de frutas y verduras o sedentarismo, el modelo permitió observar asociaciones con variables menos estudiadas, entre ellas la salud mental materna, las condiciones económicas y el entorno familiar.

“El uso de Machine Learning acelera el análisis de miles de registros, encuentra relaciones entre variables biológicas, sociales y emocionales, y genera evidencia científica para orientar estrategias de prevención más precisas”, explicó Flores Gerónimo en la Gaceta INAP.

Uno de los resultados que el propio documento califica como más reveladores fue la relación entre salud mental materna y riesgo de obesidad infantil. El hallazgo no establece causalidad, sino que señala una asociación que amerita mayor investigación.

Escuchar miles de conversaciones al mismo tiempo

La misma lógica de detectar patrones entre enormes volúmenes de información puede trasladarse a otro terreno: las redes sociales.

El 20 de agosto, durante un encuentro con integrantes de la academia y del sector empresarial en Puebla, Flores Gerónimo presentó parte de sus investigaciones vinculadas con Procesamiento de Lenguaje Natural, tecnología que permite analizar grandes cantidades de texto para identificar tendencias, opiniones y temas de conversación.

A partir de esa reunión, explicó el investigador, se acordó con Javier Sánchez, CEO de IA Lab, comenzar los trabajos para un convenio de colaboración enfocado en proyectos de escucha social, con el objetivo de identificar asuntos que preocupan o interesan a la población a partir de conversaciones en redes sociales.

La colaboración también contempla explorar la participación de estudiantes en proyectos con incidencia social.

Durante el encuentro se presentó además el Social Media Contender Ranking, un modelo de aprendizaje automático y PLN utilizado para analizar conversación electoral en redes sociales. La herramienta fue entrenada inicialmente con 6 mil publicaciones y posteriormente probada con 100 mil.

Infraestructura para investigar problemas reales

Flores Gerónimo destacó que estas investigaciones pueden fortalecerse con el nuevo Laboratorio de Inteligencia Artificial de la IBERO, infraestructura que permite procesar grandes cantidades de información y desarrollar proyectos que requieren mayor capacidad computacional.

En paralelo, la Universidad y el INAP trabajan en la posibilidad de formalizar un convenio para continuar la investigación sobre obesidad infantil y profundizar en variables que suelen quedar fuera de los modelos tradicionales.

El siguiente reto, plantea el trabajo publicado por el INAP, será llevar los hallazgos más allá del algoritmo: convertirlos en información útil para diseñar estrategias de prevención y políticas públicas capaces de atender no sólo la alimentación, sino también las condiciones sociales y familiares que rodean a niñas y niños.