.jpg)
La deficiencia de vitamina D
afecta a más de mil millones de personas en
el mundo y se asocia a enfermedades como osteoporosis, diabetes tipo
2, obesidad y trastornos inmunológicos. En Ecuador,
investigaciones locales revelan cifras preocupantes: el 94% del personal
universitario en Loja presenta insuficiencia de esta vitamina. Frente a este
panorama, investigadores de la Universidad Técnica
Particular de Loja (UTPL) desarrollaron VITA-D,
una herramienta web predictiva basada en Inteligencia
Artificial (IA).
VITA-D fue entrenada con dos bases de datos: una
privada, con 465 participantes de Loja, y otra pública de FigShare, alcanzando
un total de 1.065 registros. Se recolectaron variables clínicas y
sociodemográficas como edad, índice de masa corporal, masa
muscular, tipo de trabajo, exposición al sol, uso de protector solar y
actividad física. Con esta información, se entrenaron tres modelos de
aprendizaje automático: Regresión Logística, Máquinas de Vectores de Soporte
(SVM) y Bosques Aleatorios (RF). Este último mostró el mejor rendimiento, con
una precisión del 87,73%, y fue elegido para integrarse a
la plataforma.
¿Cómo funciona?
El usuario ingresa sus datos en la interfaz de VITA-D,
desarrollada con tecnologías como Django, MySQL y BootstrapStudio. El
sistema analiza la información y predice si la persona tiene deficiencia de
vitamina D (nivel <18 ng/mL) o niveles suficientes (≥18
ng/mL). Además, presenta un panel gráfico interactivo que muestra el nivel de
riesgo, los factores que más influyen y recomendaciones útiles.
VITA-D representa una
alternativa eficiente, económica y no invasiva frente a los costosos análisis sanguíneos,
especialmente útil en regiones con recursos limitados. Permite monitorear a
poblaciones vulnerables, optimizar decisiones clínicas y apoyar estrategias de
salud pública.
Limitaciones y próximos pasos
Aunque VITA-D ha demostrado ser precisa y funcional,
presenta algunas limitaciones. Su modelo se basa en una muestra
geográficamente limitada y utiliza una clasificación
binaria simplificada que no contempla todos los matices
clínicos de la deficiencia de vitamina D. Además, no
incluye variables genéticas, dietéticas o bioquímicas que
podrían enriquecer la predicción. En siguientes fases,
se planea ampliar la base de datos con información de otras regiones, integrar más
variables relevantes y probar algoritmos avanzados para
ofrecer predicciones más precisas y personalizadas.
Referencia:
Jiménez-Gaona, Y., Vivanco-Galván, O., Castillo-Malla,
D., Vivanco-Gualán, I., & Díaz-Guzmán, P. (2025). VITA-D: A Radiomic Web
Tool for Predicting Vitamin D Deficiency Levels. Applied
Sciences, 15(4) 1798. https://doi.org/10.3390/app15041798
Redacción
Javier Vázquez Fernández, Mgs.
Periodista especializado en ciencia,
documentalista, responsable de Cultura Científica en la Universidad Técnica
Particular de Loja (UTPL) y coeditor y redactor de la revista
"Perspectivas de Investigación". Máster en Estudios de la Ciencia, la
Tecnología y la Innovación con mención en Cultura Científica por la Universidad
de Oviedo, Universidad de Salamanca y la Universidad Politécnica de Valencia
(España) y miembro de la Asociación Española de Comunicación Científica (AEC2).
Investigadora
Yuliana del Cisne Jiménez, Ph.D.
Docente del Departamento de Química
PhD en Tecnologías de la Salud y
Bienestar por la Universidad Politécnica de Valencia España. Master en
Bioinformática en la Universidad de Bologna Italia. Master en Sistemas de
Gestión de la Calidad UTPL Ecuador. Ingeniería en Sistemas informáticos y computación
UTPL Ecuador, Miembro de la Red Ecuatoriana de Bioiformática.
