Revolucionando el manejo de las enfermedades mediante la IA

Aplicación de la inteligencia artificial en veterinaria

En los últimos años, el campo de la veterinaria ha sido testigo de una revolución tecnológica impulsada por el rápido avance de la inteligencia artificial (IA). Esta transformación no es solo una tendencia, sino un cambio fundamental en la forma en que los veterinarios pueden abordar y abordarán el diagnóstico, el tratamiento de enfermedades, así como la medicina preventiva (1). Una de las aplicaciones más prometedoras de la IA es su capacidad para predecir el riesgo de enfermedades, lo que permite intervenir de forma proactiva con el objetivo de mejorar significativamente la salud y la calidad de vida de las mascotas. Un ejemplo es la diabetes felina, una enfermedad con graves consecuencias para la salud de los gatos en todo el mundo. En este artículo se muestra brevemente cómo la IA puede ayudar al veterinario a tratar esta enfermedad endocrina tan frecuente. Como demostración complementaria de las posibilidades de la IA, gran parte de este artículo ha sido coescrito por una plataforma de IA patentada, tal y como se explica en el Recuadro 1. 

 

Recuadro 1. Presentación de MAX.

 

El creciente desafío de la diabetes felina

La diabetes mellitus (DM) es una enfermedad compleja y multifactorial que se caracteriza por una alteración en la producción o la acción de la insulina, lo que provoca un aumento de los niveles de glucosa en sangre (2). La DM felina presenta similitudes con la diabetes tipo 2 humana y su prevalencia es cada vez mayor, especialmente entre los gatos con sobrepeso y obesidad (3,4). Según estudios recientes, los gatos con obesidad tienen hasta cuatro veces más probabilidades de desarrollar DM que los gatos con una condición corporal delgada (5). Además, se ha demostrado que cuanto más tiempo padezca sobrepeso u obesidad el gato, mayor será el riesgo de desarrollar DM (Figura 1) (6). La progresión de la enfermedad, si no se diagnostica y trata a tiempo, a menudo da lugar a complicaciones graves, como cetoacidosis, neuropatía e incluso la muerte del animal (7). El reto para los veterinarios radica en la dificultad de predecir qué gatos están en riesgo antes de que se manifiesten los signos clínicos. Los métodos de diagnóstico tradicionales se basan en la observación de los signos clínicos o en la realización de análisis de sangre una vez que la enfermedad ya se ha desarrollado (Figura 2), pero este enfoque reactivo a menudo da lugar a un retraso en el diagnóstico, un mayor coste del tratamiento y mayor compromiso del bienestar animal.

Figura 2. Una vez diagnosticada la diabetes mellitus e iniciado el tratamiento con insulina, es necesario hacer un seguimiento de los niveles de glucosa en sangre; más vale prevenir que curar, y la posibilidad de identificar a los gatos en riesgo antes de que se desarrolle la enfermedad es, obviamente, una gran ventaja en términos de salud y bienestar animal. © Shutterstock

 

La promesa de la IA en la predicción de enfermedades

La inteligencia artificial ofrece una solución transformadora a este reto. Mediante el análisis de una gran cantidad de datos que van desde historias clínicas, aspectos relacionados con el estilo de vida, predisposiciones genéticas y medidas biométricas, los algoritmos de la IA pueden identificar patrones y factores de riesgo que pueden pasar desapercibidos para el ser humano. Esta capacidad de la IA permite el desarrollo de modelos predictivos que evalúen la probabilidad de que un gato en concreto desarrolle determinadas enfermedades, utilizando datos como:

• La historia clínica: datos registrados sobre el estado de salud, diagnósticos previos, tratamientos y fármacos recibidos.
• Aspectos relacionados con el estilo de vida: alimentación, actividad, vida de interior frente a vida con acceso al exterior.
• Parámetros físicos: peso corporal, puntuación de la condición corporal (PCC), edad.
• Resultados de laboratorio: niveles séricos de glucosa, marcadores de sensibilidad a la insulina.
• Datos genéticos: predisposición racial, factores hereditarios.

Con estos datos, los investigadores y los veterinarios pueden entrenar modelos de aprendizaje automático para reconocer la combinación de factores que aumentan el riesgo de desarrollar la enfermedad, antes de que aparezcan los signos clínicos clásicos. 

Presentación de DiabetesPredict

DiabetesPredict es un algoritmo que puede detectar si un gato tiene riesgo de ser diabético en los siguientes 3 o 12 meses. El algoritmo se puede aplicar en cualquier momento y solo necesita la información de una única consulta a la clínica; estos datos incluyen datos clínicos y parámetros sanguíneos estándar (Figura 3). El algoritmo se desarrolló y validó utilizando datos de las historias clínicas de los hospitales Banfield entre los años 2013 y 2023, lo que supone un total de 2.557.817 gatos que realizaron 10.184.040 visitas a la clínica durante ese periodo. El algoritmo se validó posteriormente utilizando datos de una fuente secundaria, concretamente de las historias clínicas de los hospitales VCA (69.422 gatos con 116.306 visitas entre los años 2017 y 2023). La validación de un algoritmo en un conjunto de datos externo es un paso importante en el desarrollo de cualquier modelo, ya que implica probar el modelo en conjuntos de datos independientes para garantizar su fiabilidad en diferentes poblaciones.

Para medir la eficacia del modelo se utilizan parámetros como la precisión, la sensibilidad y la especificidad. DiabetesPredict puede alcanzar una precisión del 96 % en la predicción del riesgo de diabetes durante un periodo de tres meses, con una sensibilidad del 80 %, lo que significa que puede identificar correctamente al 80 % de los gatos que van a desarrollar DM. Los modelos también muestran una alta especificidad, es decir, los falsos positivos son muy bajos, de modo que esto supondría pocas intervenciones innecesarias.

Figura 3. Descripción general de los valores que se introducen y los resultados del modelo de predicción de DiabetesPredict. © John Flanagan/rediseñado por Sandrine Fontègne

 

Recomendaciones nutricionales tras utilizar DiabetesPredict

Aunque actualmente no hay datos sobre el manejo nutricional óptimo de los gatos con riesgo de desarrollar DM, el sentido común nos dice que se podrían aplicar estrategias nutricionales similares a las de los gatos con DM clínica. En este contexto, si se detecta que un gato está en riesgo de desarrollar DM en los siguientes 3 o 12 meses, se le debería recomendar un alimento dietético bajo en carbohidratos digestibles (para minimizar la respuesta posprandial de glucosa e insulina). En gatos con una condición corporal saludable, se debe evitar cualquier aumento de peso, y en estos casos, puede ser muy útil dar indicaciones claras a los tutores sobre la alimentación y el control de peso para que el gato mantenga un peso saludable. En gatos con sobrepeso, la dieta elegida no solo debe ser baja en carbohidratos digestibles, sino que también debe estar formulada para la reducción de peso (con un ritmo de pérdida de peso del 0,5-2 % semanal hasta alcanzar el peso objetivo saludable). Se ha demostrado que un programa de reducción de peso de 12 semanas en gatos diabéticos con sobrepeso aumenta más del doble la probabilidad de remisión diabética (8) y, aunque aún no se ha probado, la reducción de peso en gatos en etapa “pre-diabética” también puede ser muy beneficiosa para prevenir la transición a la DM clínica. Por último, en el caso de gatos con un peso por debajo del ideal, se debe recomendar una dieta baja en carbohidratos digestibles y con un contenido energético elevado, con el objetivo de lograr un aumento de peso.

También se debe informar a los tutores de los posibles signos clínicos que deben vigilar y realizar una revisión en un plazo de 3 a 6 meses para obtener datos que permitan volver a ejecutar el algoritmo DiabetesPredict.

Aplicación práctica en la clínica veterinaria

Las herramientas de predicción de riesgo basadas en la IA se pueden incorporar en la clínica veterinaria de forma sencilla y pueden ser muy beneficiosas (1). Hay herramientas, como DiabetesPredict, que se pueden integrar en los sistemas de registro electrónico de las historias clínicas o a las que se puede acceder a través de plataformas específicas, lo que permite evaluar el riesgo de enfermedades en tiempo real durante las revisiones rutinarias. Estas herramientas ofrecen las siguientes ventajas tanto a los veterinarios como a los tutores:

• Intervención temprana: la identificación de los gatos con un riesgo elevado permite aplicar medidas preventivas específicas, como el control del peso y/o la modificación de la dieta.
• Mejora del bienestar animal: la detección precoz y el tratamiento adecuado pueden mejorar la calidad de vida del gato, reduciendo su malestar y prolongando el tiempo en buenas condiciones.
• Reputación: el uso de estas herramientas en la clínica contribuye a demostrar la profesionalidad del veterinario, lo que aumentará el número de visitas y reforzará la fidelidad de los clientes.
• Ahorro de costes: prevenir o retrasar la aparición de diabetes felina reduce los gastos de tratamiento a largo plazo y mejora la eficiencia económica.

Conclusión

Actualmente, los veterinarios no pueden predecir el riesgo de que los gatos desarrollen diabetes y no existe la posibilidad de detectar la prediabetes en estos animales. Los algoritmos, como el de DiabetesPredict, ofrecen la oportunidad única de intervenir de forma temprana con el objetivo de que los gatos con riesgo de DM no desarrollen diabetes clínica. Además, detectar los casos de riesgo elevado en una fase temprana permite recomendar la realización de análisis de sangre más frecuentes o realizar cambios oportunos relacionados con el estilo de vida, incluyendo particularmente la alimentación. En términos más generales, en el futuro, los modelos de IA ofrecerán a los veterinarios asistencia basada en datos, lo que les ayudará a tomar decisiones basadas en evidencias para muchas enfermedades, reduciendo así la dependencia de un criterio subjetivo. 

 

 

Referencias

1. Albergante L, O’Flynn C, De Meyer G. Artificial intelligence is beginning to create value for selected small animal veterinary applications while remaining immature for others. J. Am. Vet. Med. Assoc. 2025;263:388-394.
2. Osto M, Zini E, Reusch CE, et al. Diabetes from humans to cats. Gen. Comp. Endocrinol. 2013;182:48-53.
3. Scarlett JM, Donoghue S. Associations between body condition and disease in cats. J. Am. Vet. Med. Assoc. 1998;212:1725-1731.
4. O'Neill DG, Gostelow R, Orme C, et al. Epidemiology of diabetes mellitus among 193,435 cats attending primary-care veterinary practices in England. J. Vet. Intern. Med. 2016;30:964-972.
5. Verbrugghe A, Hesta M. Cats and carbohydrates: the carnivore fantasy? Vet. Sci. 2017;4:55.
6. Flanagan J, Kocevar G, Reinert B, et al. Association between prior obesity and development of feline diabetes mellitus: a pair-matched 1:3 case-control study. In: Proceedings, 35^th European Veterinary Internal Medicine-Companion Animals Congress 2025; Maastricht, the Netherlands.
7. Gilor C, Fleeman L. Diabetes mellitus in cats. In: Ettinger SJ, Feldman EC and Cote E (eds). Ettinger’s Textbook of Veterinary Internal Medicine. eBook: Elsevier, 2024;292.
8. Jørgensen FK, Kieler IN, Xia D, et al. Effect of 12-week, intentional caloric restriction, using a novel therapeutic diabetic diet suitable for weight reduction, on glycemic control in overweight cats with diabetes mellitus: an international prospective, randomized clinical trial. In: Proceedings, 35^th European Congress of Veterinary Internal Medicine for Companion Animals 2025; Maastricht, the Netherlands.