Modelos predictivos para la obesidad: inteligencia artificial, validez, sesgos y equidad en Cuba

Resumen

Los modelos predictivos ofrecen posibilidades para identificar personas en riesgo de obesidad y orientar decisiones preventivas, pero su utilidad no depende exclusivamente de la complejidad tecnológica. Este punto de vista examina críticamente los requisitos de validez, los sesgos y los desafíos de equidad asociados con su aplicación en Cuba. Se diferencia la medición antropométrica de la clasificación y la predicción y se cuestiona la superioridad automática de la inteligencia artificial frente a los métodos estadísticos convencionales. Se destacan la discriminación, la calibración, la validación externa y la evaluación del desempeño en subgrupos como condiciones para valorar los modelos. Asimismo, se consideran los principios de TRIPOD+AI y PROBAST+AI para orientar la comunicación transparente y la evaluación crítica de la evidencia. Para la Atención Primaria cubana se propone una agenda basada en desenlaces definidos, datos fiables, comparación de métodos y evaluación independiente. La implementación debe proteger la información y evitar que el acceso a dispositivos digitales condicione los beneficios. Se sostiene que una mejora predictiva no demuestra por sí misma un beneficio sanitario: su valor requiere vincular la estimación del riesgo con intervenciones accesibles y efectivas, sin desplazar el juicio clínico ni reproducir desigualdades.