Grafos de conocimiento y sistemas de recomendación para prevención de sobrepeso

Abstract

La medicina 4P (predictiva, de precisión, personalizada y participativa) requiere la comprensión exhaustiva diversos factores genéticos, congénitos, sociales, medioambientales y biomédicos, los cuales están interrelacionados de manera compleja. Además, la información relevante en contextos médicos está dispersa en diferentes investigaciones y foros específicos, lo que complica su aprovechamiento para prever y abordar condiciones de salud con intervenciones tempranas. En este trabajo se propone investigar métodos Procesamiento del Lenguaje Natural (NLP) y Grafos de Conocimiento (KG) para inferir, representar y visualizar las complejas relaciones entre el Origen de la Salud y Enfermedad en el Desarrollo (DOHAD) y las trayectorias adversas para la salud, con el objetivo de un ulterior desarrollo de una herramienta con uso clínico en neonatología. En particular, este trabajo se enfoca en el sobrepeso/obesidad infantil, dada su relevancia como uno de los principales riesgos de salud a nivel mundial. Se realizó una búsqueda bibliográfica exhaustiva con la cual se alimentó un modelo de tópicos (Topic Modeling), el cual fue validado por un grupo de especialistas de diversas disciplinas. Con dichos tópicos, se construyó un KG probabilístico, el cual ofrece una comprensión profunda de la etiología de esta condición, así como las posibles intervenciones durante la historia gestacional o los primeros años de vida, con vista a mitigar sus aspectos adversos.