¿Es posible estimar el riesgo de deterioro cognitivo mediante modelos de inteligencia artificial que se basen exclusivamente en variables auto reportadas?

dc.creatorMárquez, Fernando
dc.creatorMigani, Carla
dc.creatorCecilia, Ochoa
dc.date2026-10-24
dc.date.accessioned2026-11-09T23:19:26Z
dc.descriptionEl deterioro cognitivo representa un problema de salud pública creciente que afecta la autonomía y calidad de vida de los adultos mayores. Su detección precoz es clave, aunque los métodos diagnósticos actuales son complejos y poco accesibles. Este estudio buscó estimar el riesgo de deterioro cognitivo mediante modelos de inteligencia artificial (IA) entrenados exclusivamente con variables autoreportadas. Se realizó un estudio observacional, cuantitativo, retrospectivo y transversal con datos anonimizados de 666 adultos mayores de 40 años del proyecto Neuromentia (Instituto de Ciencias Biomédicas e IIPBA, San Juan, 2023). Se excluyeron los casos sin evaluación cognitiva (ACE III) o con más del 20% de datos faltantes. Las variables incluyeron información sociodemográfica, antecedentes, hábitos de vida, funcionalidad, estado emocional y salud cerebral. El procesamiento se efectuó en Python (scikit-learn), con imputación, estandarización y codificación categórica mediante ColumnTransformer. Se entrenaron modelos supervisados (Regresión Logística, Random Forest, LightGBM, XGBoost, SVM y Redes Neuronales) con validación cruzada y ajuste de hiperparámetros. El rendimiento se evaluó mediante AUC-ROC, sensibilidad, especificidad, precisión y F1-score; la interpretabilidad se abordó con valores SHAP. De los 639 participantes incluidos, el 37,4% presentó deterioro cognitivo. Predominaron mujeres (76%) y residentes urbanos (82%). El deterioro fue más frecuente en zonas periféricas (p=0.002) y en personas con bajo nivel educativo (50%, p=0.001). El modelo SVM mostró el mejor desempeño (AUC-ROC 0.826/0.818; sensibilidad 77%), destacando el nivel educativo, la funcionalidad y la actividad mental como principales predictores. Los hallazgos respaldan el potencial de la IA basada en variables autorreportadas como herramienta accesible para el tamizaje temprano del deterioro cognitivo, especialmente en con textos con recursos limitados. Su aplicación podría favorecer estrategias preventivas equitativas y reforzar el valor de la estimulación mental y la reserva cognitiva. Se recomienda su validación en poblaciones amplias y diversas.es-ES
dc.formatapplication/pdf
dc.identifierhttps://revistas.uccuyo.edu.ar/index.php/revista-cuadernos/article/view/75
dc.identifier.urihttp://hdl.handle.net/20.500.14811/521
dc.identifier.urihttps://revistas.uccuyo.edu.ar/index.php/revista-cuadernos/article/view/75/art7
dc.languagespa
dc.publisherEditoral Universitaria UCCuyoes-ES
dc.relationhttps://revistas.uccuyo.edu.ar/index.php/revista-cuadernos/article/view/75/art7
dc.rightshttps://creativecommons.org/licenses/by-nc/4.0es-ES
dc.sourceRevista Cuadernos. Nueva Serie; Núm. 15 (11); 55-64es-ES
dc.source2545-6180
dc.subjectDeterioro cognitivoes-ES
dc.subjectMachine Learninges-ES
dc.subjectVariables auto reportadases-ES
dc.title¿Es posible estimar el riesgo de deterioro cognitivo mediante modelos de inteligencia artificial que se basen exclusivamente en variables auto reportadas?es-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeArtículo revisado por pareses-ES

Files