Body Mass Index Underestimates Excess Adiposity: Diagnostic Discordance With Bioelectrical Impedance Analysis and Metabolic Phenotype Misclassification

El presente estudio analiza hasta qué punto el índice de masa corporal (IMC), pese a seguir siendo la herramienta más utilizada en clínica y salud pública para el cribado de obesidad, subestima el exceso real de adiposidad cuando se compara con medidas directas de composición corporal. Para ello, los autores integraron tres bases de datos de bioimpedancia eléctrica multifrecuencia obtenidas entre 2018 y 2023 en Chile y México, configurando una cohorte de 12 604 adultos. La obesidad se clasificó de dos formas: mediante el criterio convencional de la Organización Mundial de la Salud basado en IMC y mediante porcentaje de grasa corporal ajustado por edad y sexo según los puntos de corte propuestos por Gallagher et al..

Los resultados muestran una discordancia diagnóstica clara entre ambos enfoques. Mientras que el IMC identificó obesidad en el 26,8 % de la cohorte, la clasificación por adiposidad definida mediante bioimpedancia alcanzó el 47,2 %, lo que supone una diferencia absoluta de 20,4 puntos porcentuales. La concordancia global entre ambas clasificaciones fue solo moderada (κ = 0,443). Además, aunque el IMC mostró una especificidad alta (96,9 %), su sensibilidad fue baja (46,3 %), dejando sin identificar al 53,7 % de los individuos clasificados como obesos según porcentaje de grasa corporal. Estos datos indican que el IMC, utilizado de forma aislada, puede infraestimar de forma importante la carga real de adiposidad en esta población latinoamericana.

El trabajo profundiza además en los fenotipos discordantes generados por esta clasificación simplificada. El fenotipo de obesidad de peso normal, definido como IMC normal pero porcentaje de grasa corporal en rango de obesidad, se observó en el 16,8 % de las mujeres y en el 4,6 % de los hombres con IMC normal. En el extremo opuesto, el fenotipo de IMC alto con adiposidad no elevada fue mucho más frecuente en hombres y representó una proporción importante de los sujetos etiquetados como obesos por IMC. De hecho, entre los hombres clasificados como obesos por IMC, el 40,7 % presentaba este perfil. Estos hallazgos confirman que el IMC no solo pierde casos de exceso de grasa, sino que también mezcla bajo una misma categoría fenotipos metabólicamente distintos.

El estudio también identificó patrones diferenciales por sexo y por país. La obesidad definida por adiposidad fue mayor en la subcohorte chilena (50,7 %) que en la mexicana (32,1 %). Asimismo, la obesidad de peso normal fue marcadamente más frecuente en mujeres, mientras que el fenotipo de IMC alto sin exceso de adiposidad predominó en hombres. A nivel continuo, los autores observaron una dispersión considerable del porcentaje de grasa dentro de cada categoría de IMC, con un solapamiento importante entre categorías adyacentes, especialmente en mujeres, lo que refuerza la idea de que el IMC no capta adecuadamente la heterogeneidad biológica de la composición corporal individual.

Finalmente, el trabajo explora el potencial de la inteligencia artificial para mejorar el cribado de adiposidad cuando no se dispone de medidas directas de composición corporal. Para ello, se entrenaron 10 algoritmos supervisados de machine learning utilizando únicamente variables antropométricas básicas. Los resultados mostraron una capacidad predictiva muy elevada para detectar obesidad definida por bioimpedancia, con el modelo multilayer perceptron alcanzando un AUC de 0,999. Los autores concluyen que el IMC, aunque útil como herramienta inicial, resulta insuficiente como marcador independiente de adiposidad y que modelos predictivos basados en variables simples podrían ofrecer una estrategia escalable y más precisa en contextos clínicos y de salud pública donde la composición corporal no puede medirse directamente.