Aplicaciones del aprendizaje automático y sarcopenia

El objetivo de esta revisión fue investigar la variedad de métodos de aprendizaje automático (ML) y su capacidad para detectar a personas en riesgo de padecer o que sufren de sarcopenia. La sarcopenia es una enfermedad progresiva caracterizada por una disminución significativa de la masa muscular, la fuerza muscular y el rendimiento físico, que afecta principalmente a los adultos mayores. Se realizaron búsquedas en las bases de datos de PubMed desde julio hasta agosto de 2024 sobre ensayos relacionados con el pronóstico de la sarcopenia y la inteligencia artificial. Las palabras clave utilizadas fueron "sarcopenia", "inteligencia artificial", "aprendizaje automático" y "factores de riesgo". Se incluyeron once estudios que involucraron a 15 799 participantes. Todos los estudios fueron capaces de identificar la sarcopenia con valores de precisión de moderados a altos y mediante diferentes métodos de ML. Los métodos de aprendizaje automático que destacaron fueron las redes neuronales profundas, LightGBM, el árbol de decisión, CatBoost (CAT) y k-vecinos más cercanos. En cuanto a los factores de riesgo, se encontró que los más importantes fueron la edad, el índice de masa corporal, la circunferencia de la cintura, las enfermedades crónicas y algunas características socioeconómicas. En conclusión, los métodos de aprendizaje automático tienen la capacidad de extraer información valiosa de los datos, permitiendo predicciones precisas para la detección temprana de la sarcopenia. Estos resultados indican que los profesionales de la salud pueden utilizar los métodos de ML como herramientas más rápidas y eficaces para identificar la sarcopenia, optimizando así el tiempo.