La nutrigenética impulsada por IA reduce drásticamente el IMC e invierte el envejecimiento biológico en la obesidad mórbida

Morbid obesity — definida como IMC ≥40 kg/m² — presenta estimaciones de heredabilidad genética superiores al 80%, sin embargo la mayoría de las intervenciones clínicas siguen siendo uniformes para todos los pacientes. Este estudio croata abordó esa brecha integrando secuenciación del genoma completo (WGS), paneles bioquímicos, análisis hormonales y glicómica plasmática para generar planes dietéticos individualizados para 14 adultos con obesidad mórbida reclutados consecutivamente, y luego realizó un seguimiento de los resultados durante seis meses utilizando una plataforma patentada de agrupamiento por aprendizaje automático no supervisado (German Patent Office No. DE 20 2025 101 197 U1).

En el momento de la inscripción, la cohorte presentaba una tormenta metabólica clásica: glucosa en ayuno elevada, hiperinsulinemia, puntuaciones altas de HOMA-IR indicativas de resistencia a la insulina, triglicéridos elevados y proteína C reactiva elevada como señal de inflamación crónica de bajo grado. El índice GlycanAge — un biomarcador validado de edad biológica derivado de perfiles de N-glucanos de IgG — promedió 56 ± 12,45 años, mientras que la edad cronológica media era de solo 32 ± 9,62 años, una brecha de 24 años que refleja un envejecimiento biológico profundamente acelerado impulsado por la firma glicómica proinflamatoria de la obesidad.

El análisis genómico reveló que la mayoría de los participantes portaban alelos de riesgo en el gen asociado a la masa grasa y la obesidad (FTO) y en el gen de la interleuquina-6 (IL-6), ambos bien establecidos como impulsores de la adiposidad y la inflamación sistémica, respectivamente. Más allá de estos genes principales, se identificaron variantes clínicamente significativas en más de 40 genes implicados en la regulación metabólica, el metabolismo de nutrientes, el riesgo cardiometabólico, la predisposición hereditaria al cáncer y el estado nutricional. El algoritmo de agrupamiento no supervisado basado en inteligencia artificial procesó estos perfiles poligénicos y estratificó a los 14 pacientes en un único grupo coherente, lo que sugiere un fenotipo molecular compartido a pesar de la variación superficial en las variantes de riesgo individuales — un hallazgo que subraya la biología convergente de la obesidad grave.

Las recomendaciones dietéticas personalizadas generadas por la plataforma fueron seguidas durante seis meses. El resultado antropométrico primario fue notable: el IMC medio descendió de 52,09 ± 7,41 a 34,6 ± 9,06 kg/m² (p <0,01), lo que representa una reducción de aproximadamente el 33,6% y sitúa al participante promedio de la obesidad de Clase III a la Clase I. De manera igualmente relevante, el GlycanAge también disminuyó significativamente, de 56 ± 12,45 a 48 ± 14,83 años (p <0,01), una reducción de 8 años en la edad biológica en apenas seis meses. Esta mejora paralela tanto en los marcadores antropométricos como en los de envejecimiento glicómico sugiere que la intervención abordó la desregulación inflamatoria y metabólica subyacente, y no únicamente el balance calórico.

Las implicaciones clínicas son relevantes tanto para pacientes como para profesionales. El GlycanAge como biomarcador de respuesta ofrece un punto final medible y biológicamente significativo más allá del IMC, con el potencial de motivar una adherencia sostenida. El hallazgo de que la elaboración del perfil nutrigenético a partir de más de 40 genes puede generar orientación dietética accionable — y que seguirla produce tamaños de efecto grandes en un periodo corto — respalda una adopción más amplia de los marcos de nutrición de precisión. Las advertencias son importantes: el tamaño muestral de 14 pacientes sin grupo de control aleatorizado limita la inferencia causal, y la ausencia de una cohorte de validación externa significa que los grupos de aprendizaje automático requieren replicación independiente antes de su implementación clínica.