Un estudio revela que la edad, la presión arterial y el IMC son los principales predictores del rendimiento cognitivo
¿Por qué algunas personas mantienen la agilidad mental y la concentración a lo largo de la vida, mientras que otras notan que su atención y velocidad de reacción cambian con la edad? ¿Puede la inteligencia artificial actual ayudarnos a descubrir qué influye realmente en nuestra agudeza mental? Un nuevo estudio de la Universidad de Illinois en Urbana-Champaign se propuso responder a estas preguntas, utilizando técnicas avanzadas de aprendizaje automático para analizar la dieta, la actividad física, la presión arterial, el peso corporal y otros marcadores de salud en casi 400 adultos. Los resultados señalan a la edad, la presión arterial y el IMC (Índice de Masa Corporal) como los predictores más importantes del rendimiento en pruebas cognitivas, y muestran cómo las nuevas herramientas de análisis de datos pueden identificar conexiones que los métodos tradicionales suelen pasar por alto.
Nota: Este artículo tiene fines informativos y educativos. Resume investigaciones científicas en un lenguaje accesible para un público amplio y no es un comunicado de prensa científico oficial.
Comprender qué nos ayuda a mantener la claridad mental y la atención a medida que envejecemos es una cuestión importante tanto para los científicos como para el público en general. Muchas personas se preguntan cómo sus decisiones de estilo de vida actuales — como la alimentación, el nivel de actividad física y el manejo del peso y la presión arterial — pueden afectar su capacidad de concentrarse, resolver problemas o reaccionar con rapidez. Los investigadores han estudiado durante mucho tiempo cómo factores individuales como la dieta o el ejercicio influyen en el funcionamiento cerebral. Sin embargo, la vida real es compleja: múltiples factores de salud, estilo de vida y demografía siempre están interactuando, y su influencia combinada sobre las habilidades cognitivas puede ser difícil de desentrañar.
Para abordar este desafío, un equipo de la Universidad de Illinois en Urbana-Champaign, dirigido por Shreya Verma y sus colegas, diseñó un nuevo estudio publicado en The Journal of Nutrition. El estudio aprovechó el aprendizaje automático, una rama de la inteligencia artificial que puede analizar grandes conjuntos de datos complejos y detectar patrones que podrían pasar desapercibidos mediante métodos estadísticos tradicionales. El objetivo de los investigadores era “predecir el rendimiento cognitivo en función de un conjunto de factores de salud y de comportamiento, con el fin de identificar los principales contribuyentes a la función cognitiva y obtener información sobre posibles intervenciones personalizadas.”
¿Qué estudiaron los investigadores?
El equipo combinó datos de siete estudios anteriores para crear un grupo diverso de 374 adultos, de entre 19 y 82 años, que vivían en Illinois. Los participantes procedían de diversos entornos y fueron reclutados a lo largo de varios años. Cada persona proporcionó una amplia gama de información, incluyendo su edad, sexo, origen étnico, peso, altura, circunferencia de la cintura e ingresos. Los participantes también compartieron detalles sobre sus hábitos alimenticios y completaron un cuestionario sobre su actividad física. Es importante destacar que todos realizaron una prueba cognitiva por ordenador conocida como la tarea de flancos de Eriksen modificada, una prueba que mide la rapidez y precisión con la que una persona puede concentrarse y responder cuando se enfrenta a distracciones.
La calidad de la dieta se evaluó utilizando varias herramientas ampliamente reconocidas, entre ellas el Índice de Alimentación Saludable (HEI-2020), la dieta DASH (Enfoques Alimentarios para Detener la Hipertensión), la dieta mediterránea y la dieta MIND. Estos sistemas de puntuación permitieron a los investigadores comparar no solo los alimentos individuales, sino también los patrones alimentarios generales. La actividad física se midió preguntando a los participantes con qué frecuencia y con qué intensidad hacían ejercicio durante su tiempo libre.
Se midió la presión arterial, tanto sistólica como diastólica, de forma estandarizada, y se calculó el índice de masa corporal (IMC) basándose en la altura y el peso medidos. Al combinar todos estos datos, el equipo de investigación pudo obtener una visión general y ver cómo cada factor se relacionaba con la atención y la velocidad de reacción de las personas.
¿Cómo se llevó a cabo el estudio?
Después de asegurarse de que todos los datos estuvieran completos y fueran coherentes, los investigadores analizaron la información de 374 adultos. No se incluyeron los participantes con datos importantes faltantes, a fin de garantizar la precisión de los modelos. El grupo estaba bastante equilibrado en cuanto al género e incluía personas de diferentes rangos de edad y orígenes.
Para analizar qué factores relacionados con la salud y el estilo de vida tenían mayor impacto en el rendimiento cognitivo, el equipo utilizó varios modelos de aprendizaje automático supervisado. Entre ellos se incluían árboles de decisión, bosques aleatorios (una técnica de Machine Learning), AdaBoost, XGBoost y diferentes tipos de modelos de regresión. El aprendizaje automático es especialmente útil para analizar muchas variables a la vez y encontrar patrones o relaciones que podrían estar ocultos en los datos. En este estudio, se introdujo en los modelos toda la información sobre salud, estilo de vida y datos demográficos, y el principal resultado medido fue la rapidez con la que las personas respondían en la prueba de atención.
Luego, los investigadores compararon los diferentes modelos para ver cuál ofrecía las predicciones más precisas. Una vez identificado el modelo con mejor desempeño, utilizaron un método llamado “importancia por permutación” para determinar qué factores estaban más fuertemente relacionados con el rendimiento cognitivo.
¿Qué hace diferente a este estudio?
Aunque muchos estudios previos han analizado el papel de factores individuales — como el ejercicio, la presión arterial o una dieta específica —, este estudio se destaca por su enfoque integral. Los autores señalan que “la compleja interacción de estos factores y su importancia relativa en la predicción de los resultados cognitivos sigue sin estar completamente comprendida”. Al utilizar el aprendizaje automático, los investigadores pudieron analizar todas las variables en conjunto e “identificar patrones que pueden no ser evidentes mediante enfoques estadísticos convencionales”. Esto les permitió no solo encontrar los predictores más fuertes, sino también ver cómo las combinaciones de factores — como la edad y la presión arterial, o la dieta y la actividad física — pueden interactuar para afectar el rendimiento cognitivo.
¿Qué descubrió el estudio?
1. El aprendizaje automático revela interacciones complejas
Otro hallazgo clave del estudio es que el aprendizaje automático resultó especialmente útil para detectar conexiones e interacciones sutiles entre los factores de salud. Como explican los autores, “los algoritmos de aprendizaje automático sobresalen en el análisis de grandes conjuntos de datos con múltiples variables, descubriendo patrones y relaciones que los enfoques convencionales podrían pasar por alto”. Esto permitió observar, por ejemplo, que una mayor adherencia a la dieta HEI-2020 compensaba parcialmente los efectos negativos de un IMC elevado sobre la función cognitiva, o que los beneficios de una dieta saludable eran más pronunciados en personas con presión arterial más baja. El enfoque del estudio ayudó a revelar cómo la dieta y el estilo de vida pueden interactuar con otros indicadores de salud, como la edad o la composición corporal, para influir en las capacidades cognitivas.
2. La edad, la presión arterial y el IMC son los predictores más fuertes
El hallazgo más importante del estudio fue que la edad destacó como el principal predictor del rendimiento cognitivo en la prueba de atención, seguida de la presión arterial diastólica y el índice de masa corporal (IMC). La presión arterial sistólica y la calidad general de la dieta (medida por el Healthy Eating Index) también resultaron ser significativas, aunque en menor medida que la edad y la presión arterial diastólica. Como señalan los autores, “la edad, la presión arterial y el IMC muestran asociaciones sólidas con el rendimiento cognitivo, mientras que la calidad de la dieta tiene un efecto más sutil”. En la práctica, esto significa que ser mayor, tener una presión arterial más alta o un IMC elevado se asoció con tiempos de reacción más lentos y un menor desempeño en la tarea de atención.
3. La dieta y la actividad física desempeñan un papel secundario, aunque importante
Aunque el impacto de la edad, la presión arterial y el IMC fue el más destacado, el estudio también encontró que los hábitos de vida más saludables — incluyendo una dieta equilibrada y actividad física regular — se asociaron con mejores resultados en las pruebas cognitivas. Las personas que informaron ser más activas físicamente y que obtuvieron puntuaciones más altas en patrones de dieta saludable (como las dietas HEI-2020 o DASH) tendían a desempeñarse mejor, aunque estos efectos no fueron tan grandes como los de la edad o la presión arterial. Los autores señalan que “la actividad física resultó ser un predictor importante”, y añaden que la combinación de actividad y buena alimentación “destacó la importancia de mantener tanto un estilo de vida activo como una dieta equilibrada para una función cognitiva óptima”. En algunos casos, el estudio halló que una dieta más saludable podía ayudar a compensar algunos de los efectos negativos sobre la cognición asociados a un IMC elevado o a una presión arterial alta. Dietas específicas como la DASH, la MIND y la mediterránea también contribuyeron, aunque sus puntuaciones de importancia fueron inferiores en comparación con el Healthy Eating Index general.
¿Cuáles son las limitaciones y los próximos pasos?
Como cualquier investigación, este estudio tiene sus limitaciones. Los autores subrayan que su estudio solo analizó una medida específica de la función cognitiva (el tiempo de reacción en una prueba concreta). Esto significa que los resultados podrían no aplicarse a otros aspectos del pensamiento, como la memoria o el razonamiento. Además, dado que el estudio recogió datos en un solo momento, no puede demostrar causa y efecto, solo asociaciones. Los investigadores escriben que “se necesitan estudios longitudinales y experimentales para confirmar estos hallazgos y explorar las relaciones causales y sinérgicas entre las características y el rendimiento cognitivo”.
El grupo de participantes, aunque diverso, procedía de una sola región y puede que no represente completamente a todas las poblaciones. Los autores recomiendan que futuros estudios incluyan a más personas de distintos orígenes y añadan más datos de salud, como información genética o perfiles metabólicos detallados, para mejorar nuestra comprensión de los factores que influyen en el rendimiento cognitivo a lo largo del tiempo.
Conclusión
En resumen, este estudio ofrece una nueva perspectiva sobre qué factores de salud y estilo de vida están más fuertemente vinculados al rendimiento cognitivo en adultos. La edad, la presión arterial y el IMC destacan como los principales predictores, mientras que la dieta y la actividad física también desempeñan un papel, especialmente cuando se combinan. El uso del aprendizaje automático permitió al equipo de investigación detectar patrones e interacciones que pueden pasar desapercibidos en los análisis tradicionales. Aunque se necesita más investigación, especialmente para seguir los cambios a lo largo del tiempo e incluir medidas más amplias de la salud cognitiva, estos hallazgos resaltan la importancia de considerar el panorama completo a la hora de apoyar la agudeza mental a lo largo de la vida adulta.
El estudio completo, “Predicting Cognitive Outcome Through Nutrition and Health Markers Using Supervised Machine Learning”, puede consultarse en https://doi.org/10.1016/j.tjnut.2025.05.003.
La información en este artículo se proporciona únicamente con fines informativos y no constituye asesoramiento médico. Para obtener asesoramiento médico, consulta a tu médico.
