IA explica quién tiene más riesgo de cesárea en África Subsahariana

Una cirugía vital con acceso desigual #

La cesárea es una intervención quirúrgica esencial para reducir la mortalidad y la morbilidad materna y neonatal cuando existe una indicación médica. Sin embargo, según el estudio publicado en PLOS Global Public Health, persisten desigualdades importantes en su utilización a lo largo de África Subsahariana (ASS). Para entender mejor esos patrones, un equipo de investigadores aplicó técnicas de aprendizaje automático —también llamado machine learning— a datos de encuestas demográficas y de salud de diez países de la región.

Qué se hizo y con qué datos #

Los autores, encabezados por Walle Addis Birhanu y colaboradores, analizaron información recopilada entre 2016 y 2024 mediante las Encuestas Demográficas y de Salud (DHS, por sus siglas en inglés) de diez países del África Subsahariana. La muestra ponderada incluyó a 388 015 mujeres de entre 15 y 49 años, de las cuales 7 369 (1,82 %) habían tenido un parto por cesárea.

Antes de entrenar los modelos, los investigadores aplicaron un proceso de preparación de datos que incluyó el manejo de valores faltantes, codificación de variables, normalización y un método para equilibrar la clase minoritaria (las mujeres con cesárea) llamado SMOTE (Synthetic Minority Over-sampling Technique). Luego entrenaron y compararon nueve algoritmos distintos de clasificación, entre ellos LightGBM, XGBoost, Random Forest, Regresión Logística y Redes Neuronales Artificiales, evaluados mediante validación cruzada repetida de 10 pliegues.

El modelo más preciso y lo que reveló #

Según el estudio, el algoritmo LightGBM obtuvo el mejor desempeño: un área bajo la curva ROC (AUC) de 0,89 (IC 95 %: 0,887–0,893), una exactitud del 85 % (IC 95 %: 83,7–86,3 %) y una sensibilidad (recall) del 91 % (IC 95 %: 89,8–…). Un AUC cercano a 1,0 indica que el modelo distingue bien entre quienes tuvieron cesárea y quienes no; un valor de 0,89 se considera alto en este tipo de análisis poblacionales.

Los investigadores emplearon técnicas de machine learning explicable para identificar cuáles variables contribuyeron más a las predicciones del modelo, lo que permite ir más allá de un resultado numérico y entender los factores asociados al uso de la cesárea en la región. El estudio no detalla en el resumen disponible cuáles fueron esos factores específicos, por lo que no es posible enumerarlos aquí sin riesgo de inexactitud.

Qué significa para la salud materna #

El hallazgo de que solo el 1,82 % de las mujeres de la muestra tuvo un parto por cesárea refleja un acceso muy limitado a esta cirugía en los países estudiados, muy por debajo del umbral mínimo recomendado internacionalmente. Aplicar herramientas de inteligencia artificial a datos de encuestas poblacionales podría ayudar a los sistemas de salud a identificar grupos con mayor necesidad insatisfecha y a diseñar intervenciones más focalizadas.

El uso de modelos explicables —a diferencia de las llamadas “cajas negras”— es relevante porque permite a los tomadores de decisiones y al personal de salud comprender el razonamiento detrás de cada predicción, lo que facilita su aplicación en contextos reales de política sanitaria.

Limitaciones del estudio #

El diseño transversal del análisis impide establecer relaciones de causalidad: los modelos identifican asociaciones, no causas. Además, los datos provienen de encuestas autorreportadas, lo que puede introducir sesgos de memoria o de declaración. El estudio se circunscribe a diez países de África Subsahariana, por lo que sus conclusiones no son directamente extrapolables a otras regiones, aunque sí ofrecen un marco metodológico replicable.

Cierre #

Este trabajo demuestra que el aprendizaje automático explicable puede ser una herramienta valiosa para analizar patrones de atención obstétrica en contextos de bajos recursos, donde los datos de registros clínicos suelen ser escasos. Si bien los resultados son prometedores, cualquier decisión clínica o de política sanitaria relacionada con el parto por cesárea debe tomarse con la orientación de profesionales de la salud calificados y en función de la situación individual de cada paciente. Ante cualquier duda sobre el tipo de parto más adecuado, se recomienda consultar con un médico o matrona.