De la Biología al Código Postal: Enfrentando la Enfermedad Renal Crónica en el Caribe Colombiano con un Nuevo Índice de Vulnerabilidad Poblacional

De la Biología al Código Postal: Enfrentando la Enfermedad Renal Crónica en el Caribe Colombiano con un Nuevo Índice de Vulnerabilidad Poblacional

Publicado: 2 de Julio de 2025

La Enfermedad Renal Crónica (ERC) es una epidemia silenciosa y creciente. Afecta a millones de personas en todo el mundo, pero su impacto no se siente por igual. Los factores sociales y económicos pueden aumentar drásticamente el riesgo y acelerar la progresión de la enfermedad. En el Caribe colombiano, una región con realidades sociales únicas, comprender esta conexión es crucial. Este artículo explora cómo una iniciativa pionera está utilizando la inteligencia artificial y la ciencia de datos para pasar de los datos clínicos al contexto social, desarrollando un nuevo Índice de Vulnerabilidad Poblacional (IVP) para combatir la ERC de manera más efectiva.

La Epidemia Silenciosa: El Impacto Global y Local de la Enfermedad Renal Crónica

La Enfermedad Renal Crónica es un desafío de salud global formidable, que afecta a más de 850 millones de personas en todo el mundo. La situación en Colombia refleja esta tendencia global, con un estimado de 720,000 personas afectadas por la enfermedad. Esto supone una pesada carga económica para el sistema de salud del país, con un costo de entre 8,7 y 14,4 billones de pesos colombianos.

La Desigualdad de la ERC: No es Aleatoria

El riesgo de desarrollar ERC y la velocidad de su progresión no se distribuyen al azar. Los impulsores clave de esta desigualdad son los Determinantes Sociales de la Salud (DSS), factores como la pobreza, el bajo nivel educativo, la inseguridad alimentaria y las barreras de acceso a la salud. Estos elementos crean una profunda brecha en la equidad en salud, haciendo que algunas poblaciones sean mucho más vulnerables que otras.

El Creciente Rol de la IA en la Nefrología

La inteligencia artificial (IA) y el aprendizaje automático ya no son conceptos teóricos en medicina; se están convirtiendo en herramientas prácticas en la investigación y la práctica nefrológica. La IA destaca en el análisis de volúmenes masivos de datos para descubrir patrones ocultos que pueden revolucionar la forma en que predecimos, detectamos y tratamos la enfermedad renal.

A diciembre de 2023, existían más de 221,467 publicaciones sobre IA en PubMed , de las cuales 1,087 se centraban específicamente en la IA en nefrología. Este creciente cuerpo de investigación destaca las diversas aplicaciones de la IA en el campo:

• Predicción de la lesión renal aguda y la progresión de la ERC.
• Detección de lesiones malignas en imágenes y patologías en biopsias renales.
• Pronóstico de la supervivencia en pacientes trasplantados.
• Optimización de las terapias de diálisis y reducción de la hospitalización.

Más Allá de los Datos Clínicos: Incorporando los Determinantes Sociales

Los avances recientes en la investigación nefrológica implican la integración de los determinantes sociales y la vulnerabilidad individual en los modelos predictivos de la ERC.

Un estudio de 2025 de Islam et al. utilizó datos del Behavioral Risk Factor Surveillance System (BRFSS) de EE. UU. para predecir el riesgo de ERC en pacientes con diabetes tipo 2. Al comparar siete algoritmos de aprendizaje automático diferentes, el estudio encontró que el mejor modelo alcanzó una alta capacidad predictiva (AUROC 0,89). De manera crucial, la adición de variables sociales mejoró significativamente la capacidad predictiva de los modelos, siendo los factores como la edad, el sexo, las comorbilidades y el contexto social los más importantes.

De manera similar, un estudio de cohorte de 2025 en China realizado por Li et al. examinó a 6,290 adultos mayores e identificó factores de riesgo socioeconómicos clave para la ERC. El estudio relacionó varios factores con una mayor incidencia y una progresión más rápida de la enfermedad:

• Ingresos Bajos.
• Falta de Pensión o Seguridad Social.
• Menor Nivel Educativo.
• Estado Civil No Casado, que se asoció con un menor apoyo social.
• No Tener Seguro de Salud, una barrera crítica para el acceso a la atención.

El Desafío del Caribe: La Necesidad de un Índice Localizado

Aunque los Índices de Vulnerabilidad Social (IVS) existentes de EE. UU. y Europa, como el SVI de los CDC y el SOVI, son excelentes puntos de partida, no capturan las realidades únicas del Caribe colombiano. Para comprender y combatir eficazmente la ERC en esta región, es necesaria una herramienta localizada.

Construcción del Índice de Vulnerabilidad Poblacional (IVP) para el Caribe Colombiano

Para abordar este desafío, se construyó un nuevo Índice de Vulnerabilidad Poblacional (IVP) específicamente para el Caribe colombiano. Este índice integral integra datos de múltiples fuentes para crear una visión granular de la vulnerabilidad a nivel departamental, municipal e incluso de manzana.

Las Fuentes de Datos Incluyen:

• Censo Nacional de Población y Vivienda 2018.
• Encuesta Nacional de Calidad de Vida 2023.
• Producto Interno Bruto Departamental.
• Sistema de Información de la Vigilancia de la Calidad del Agua Potable.
• APIs de clima y calidad del aire de Open-Meteo.
• Índice de Riesgo de Victimización.

Este nuevo índice se basa en

60 variables organizadas en 11 dimensiones de vulnerabilidad:

1. Vulnerabilidad Económica.
2. Vulnerabilidad Educativa.
3. Vulnerabilidad Cultural.
4. Vulnerabilidad de Infraestructura.
5. Vulnerabilidad de Acceso a Servicios de Salud.
6. Vulnerabilidad Ambiental.
7. Vulnerabilidad Geográfica.
8. Vulnerabilidad Tecnológica.
9. Vulnerabilidad Política.
10. Vulnerabilidad por Género y Barreras Sociales.
11. Vulnerabilidad de Acceso a la Información.

Visualizando la Vulnerabilidad: El IVP en Acción

Una potente herramienta de mapeo basada en la web da vida al IVP, permitiendo a los usuarios visualizar la vulnerabilidad en toda la región. Por ejemplo, los mapas de Repelón, Atlántico, muestran cómo las diferentes dimensiones —como la infraestructura, la educación y la vulnerabilidad económica— varían de una manzana a otra.

Esta herramienta ofrece tanto una puntuación general del IVP como una opción de mapeo dinámico donde los usuarios pueden construir su propio índice de vulnerabilidad seleccionando indicadores específicos. Cuando estos datos de vulnerabilidad se superponen con registros de pacientes georreferenciados (como RENELUP), la conexión se vuelve clara: las áreas con alta vulnerabilidad a menudo coinciden con altas concentraciones de casos de ERC, como se ve en el ejemplo de Barranquilla.

Aplicaciones Futuras: Hacia una Salud Pública de Precisión

El desarrollo del IVP para el Caribe colombiano es un paso fundamental con implicaciones de gran alcance.

• El índice ya se ha aplicado a

117,567 manzanas en 197 municipios de la región.

• Actualmente se está cruzando con registros de pacientes para profundizar el análisis.
• Se están desarrollando modelos de aprendizaje automático para explorar formalmente la relación entre la vulnerabilidad poblacional y la progresión de las nefropatías.
• En última instancia, el IVP sirve como una herramienta para la

salud pública de precisión, permitiendo intervenciones específicas para abordar las desigualdades en salud en las comunidades más vulnerables.

Al integrar el contexto social con los datos clínicos, este enfoque innovador promete una estrategia más equitativa y efectiva para enfrentar la Enfermedad Renal Crónica en el Caribe colombiano y más allá.

Referencias

• Dass, L. W., Smith, A. R., Krissberg, J., Wang, C. S., Robinson, B. M., Gbadegesin, R. A., ... & Gibson, K. L. (2024). New Index Demonstrates Association between Social Vulnerability, Environmental Burden, and Kidney Failure Risk among Individuals with Glomerular Disease.

Clinical Journal of the American Society of Nephrology, 10-2215.

• de Francisco, A. L. M. ARTIFICIAL: La Nueva Inteligencia y su Aplicación en Nefrología. Nefrología al día. ISSN, 2659-2606.
• Islam, M. M., Poly, T. N., Okere, A. N., & Wang, Y. C. (2025). Explainable machine learning model incorporating social determinants of health to predict chronic kidney disease in type 2 diabetes patients.

Journal of Diabetes & Metabolic Disorders, 24(1), 1-23.

• Li, K., Chen, X., Chen, L., Liu, Y., Huang, J., Li, P., ... & Chen, J. (2025). The impact of social determinants of health on chronic kidney disease risk: evidence from the CHARLS study.

Frontiers in Public Health, 13, 1532372.

• Sarmiento-Bejarano, H., Ramírez-Ramírez, C., Carrasquilla-Sotomayor, M., Alvis-Zakzuk, N. J., & Alvis-Guzmán, N. (2019). Carga económica de la enfermedad renal crónica en Colombia, 2015-2016.

Revista Salud Uninorte, 35 (1), 84-100.

• Singh, P., Goyal, L., Mallick, D. C., Surani, S. R., Kaushik, N., Chandramohan, D., & Simhadri, P. K. (2024). Artificial Intelligence in Nephrology: Clinical Applications and Challenges.

Kidney Medicine, 100927.