Error de predicción metabólica y estructura cerebral

Lectura CPEA de los perfiles de distribución de grasa en resonancia magnética

Autoría. Autor conceptual: Claude (Anthropic). Originador y director del corpus: Javi Ciborro (Corpus Papayaykware, @papayaykware). Fecha de redacción: 22 de octubre de 2026.

Estatus del texto. Ensayo teórico con hipótesis marcadas. El estudio empírico que lo motiva no mide coherencia predictiva ni precisión interoceptiva; todo lo que aquí se afirma sobre ese nivel es hipótesis y está rotulado como tal.

Abstract

Yu, Yao y colaboradores (Radiology, 2026) agruparon a casi 26.000 participantes de UK Biobank en seis perfiles de distribución de grasa, a partir de ocho medidas de resonancia magnética ajustadas por índice de masa corporal (IMC). Dos de esos perfiles, el pancreático-predominante y el skinny fat, se asociaron con peores desenlaces neurológicos. Este artículo propone leer el hallazgo desde CPEA (Coherencia Predictiva Humano-IA), usada como homología estructural y no como mecanismo demostrado: la grasa ectópica sería una fuente persistente de señal interoceptiva poco fiable, y el cerebro respondería ajustando la precisión que asigna a ese canal, con pérdida de eficacia de la regulación alostática y, a largo plazo, daño estructural. Se separan tres conceptos que la formulación inicial mezclaba (ruido, error de predicción y precisión), se enumeran los mecanismos metabólicos clásicos que explican la asociación sin invocar procesamiento predictivo, y se formulan cuatro hipótesis con su condición de falsabilidad. Tres programas de seguimiento, con mediciones concretas y reglas de decisión, indican qué resultados debilitarían o reforzarían la lectura propuesta.

Palabras clave: CPEA, interocepción, grasa ectópica, grasa pancreática, skinny fat, alostasis, hiperintensidades de sustancia blanca, variabilidad glucémica.

El estudio de partida

En enero de 2026, Radiology publicó un análisis secundario de datos de UK Biobank firmado por Yu, Yao y colaboradores. Kai Liu, último firmante y miembro del departamento de radiología del hospital afiliado a la Universidad Médica de Xuzhou, es quien lo presenta en la nota de prensa de la RSNA. La muestra es de 25.997 participantes, con una edad media de 55 años (desviación estándar 7,4) y 13.536 mujeres.

Los autores partieron de ocho medidas de grasa cuantificadas por resonancia en distintos depósitos corporales, todas ajustadas por IMC, y aplicaron un análisis de perfiles latentes para agrupar a los participantes. El procedimiento se hizo por separado en hombres y mujeres y dio seis perfiles en ambos sexos. Cada perfil se comparó con un perfil magro de referencia en volumen cerebral, propiedades de la sustancia blanca (con imagen NODDI), diferencia entre edad cerebral estimada y edad cronológica, rendimiento cognitivo y riesgo de enfermedad neurológica. Las diferencias entre grupos se analizaron con ANCOVA o con su versión por rangos.

Destacan dos perfiles. El pancreático-predominante, que según la nota de prensa muestra una fracción grasa de densidad protónica de alrededor del 30 % en el páncreas, y el denominado skinny fat, cuyos integrantes no presentan un aumento marcado de grasa hepática. La conclusión del resumen es que ambos se asocian con desenlaces neurológicos adversos. Liu lo formula de manera algo más rotunda: desde el punto de vista de estructura cerebral, deterioro cognitivo y riesgo neurológico, el aumento de grasa pancreática debería considerarse un fenotipo de imagen de mayor riesgo que el hígado graso.

Conviene decir qué no sé. He trabajado con el resumen, la nota de prensa y las reseñas, no con el texto completo. No puedo afirmar el tamaño de los efectos, la dirección exacta de cada diferencia en cada perfil ni el modo en que se trató la temporalidad entre la imagen corporal, la imagen cerebral y los diagnósticos. Tampoco he revisado la declaración de conflictos de intereses. Dos precauciones generales sí son pertinentes: se trata de un análisis secundario y observacional, y los participantes de UK Biobank son, en promedio, más sanos y de mayor nivel socioeconómico que la población general (Fry et al., 2017), de modo que la generalización exige cautela.

CPEA en lo que aquí importa

CPEA (Coherencia Predictiva Humano-IA en arquitecturas BCI-AGI adaptativas) es el marco del corpus que trata la coherencia entre las predicciones de un agente humano y las de un sistema artificial acoplado a él. Para este ensayo se usa solo su premisa de base, que no es exclusiva del corpus: un sistema predictivo genera expectativas sobre sus entradas, compara lo esperado con lo recibido y ajusta el modelo para reducir la discrepancia. Nada del aparato BCI-AGI interviene en el argumento, ni tampoco ningún otro marco del corpus. METFI, DPCC y TICAM quedan fuera.

Esa premisa tiene una versión interoceptiva bien establecida en la literatura. Seth (2013) y Barrett y Simmons (2015) proponen que el cerebro modela los estados internos del cuerpo igual que modela el mundo exterior, y que sensaciones como el hambre o la fatiga son inferencias sobre las causas ocultas de las señales viscerales. Sterling (2012) aportó el complemento regulatorio: la alostasis entiende el control fisiológico como anticipatorio, de modo que el cerebro ajusta variables antes de que se desvíen, y esa anticipación depende de la calidad del modelo interno. Si el modelo del metabolismo se degrada, la regulación pierde eficacia. Ese es el eslabón donde CPEA tendría algo que decir.

Falta un elemento. En el formalismo de Friston (2010), los errores de predicción no pesan todos igual: el sistema pondera cada uno por una estimación de lo fiable que es la señal que lo origina, lo que se llama precisión (Feldman y Friston, 2010). Es el concepto que organiza el resto del texto.

Ruido, error y precisión

La formulación inicial de la hipótesis mezclaba tres cosas: ruido interoceptivo, error de predicción y daño estructural. Cada una predice resultados distintos.

El ruido es una propiedad de la señal, su varianza no explicada por el estado que se quiere inferir. Las adipocinas, los ácidos grasos libres y las oscilaciones de glucosa añadirían varianza a lo que llega por vías vagal, humoral y barorreceptora. Es plausible, pero se trata de una afirmación fisiológica que puede medirse sin invocar nada predictivo, con la variabilidad glucémica o la concentración de citocinas.

El error de predicción es una propiedad de la comparación entre lo esperado y lo recibido. Una señal ruidosa produce errores grandes y de signo inconsistente que ningún ajuste del modelo logra reducir, porque no hay regularidad que aprender.

La precisión es el peso que el sistema da a esos errores, y aquí está el punto delicado. Ante un canal que no se deja modelar, el sistema puede responder de dos maneras opuestas, y la literatura sobre interocepción y salud ha defendido ambas (véase la revisión de Khalsa et al., 2018). Puede bajar la precisión del canal, de modo que el cerebro ignora en la práctica la información visceral y dominan los a priori. O puede subirla de forma aberrante, de modo que el canal queda hipersensible y cada fluctuación dispara una respuesta correctora desproporcionada.

Cada variante predice un perfil distinto. Con precisión baja, se esperaría peor exactitud interoceptiva (por ejemplo, en discriminación de latidos) y menor respuesta cortical a los latidos. Con sobreprecisión, se esperaría exactitud conservada o mayor, junto con una sensibilidad autorreferida alta y más activación simpática. Garfinkel et al. (2015) separan exactitud, sensibilidad y conciencia interoceptivas como dimensiones distintas, y esa separación permite, en principio, contrastar las dos variantes. La hipótesis H2 elige la de precisión baja. Si los datos mostraran el patrón contrario, quedaría refutada esa versión concreta y reforzada la alternativa; el marco general, en cambio, saldría con otra forma, no destruido.

Queda el salto desde una regulación degradada hasta la atrofia de sustancia gris y las hiperintensidades de sustancia blanca. El procesamiento predictivo, por sí mismo, no predice atrofia; predice reponderación y plasticidad. Para llegar a daño estructural hace falta un puente fisiológico, y los candidatos son los ya conocidos: menor tono vagal y mayor carga simpática sostenida, con consecuencias inflamatorias y vasculares. Dicho de otro modo, el puente de CPEA hacia la estructura pasa por los mismos mecanismos que la explicación clásica. Eso no invalida el marco, pero lo coloca donde corresponde: una hipótesis sobre un paso intermedio, no un mecanismo alternativo.

Mecanismos que no necesitan CPEA

Antes de pedirle nada al marco hay que listar lo que la literatura metabólica ya explica, porque cualquier valor añadido de CPEA se mide contra eso.

Inflamación. El tejido adiposo ectópico y visceral secreta leptina, interleucina 6 y factor de necrosis tumoral alfa, y mantiene una inflamación de bajo grado que Hotamisligil (2006, 2017) describió como metainflamación. Esa señal llega al cerebro por vía humoral y mediante activación de la microglía, con efectos descritos sobre sustancia blanca y cognición en la obesidad (Willette y Kapogiannis, 2015; Kullmann et al., 2016).

Lipotoxicidad y disfunción de célula beta. La grasa pancreática se asocia con alteración de la secreción de insulina, y la consecuencia aguas abajo sería una glucemia más inestable. Este es probablemente el motivo por el que el perfil pancreático resulta interesante para la hipótesis: conecta un depósito ectópico concreto con la variabilidad glucémica sin pasar por el peso corporal. La conexión es plausible; el estudio no la demuestra.

Variabilidad glucémica y estrés oxidativo. Monnier et al. (2006) mostraron, en pacientes con diabetes tipo 2 y con un marcador urinario de estrés oxidativo, que las fluctuaciones agudas de glucosa activaban más ese estrés que la hiperglucemia sostenida. Es un resultado en población diabética. Extrapolarlo a participantes de UK Biobank, en promedio más sanos que la población general, es una suposición.

Enfermedad de pequeño vaso. Las hiperintensidades de sustancia blanca se consideran en gran parte un marcador de patología cerebrovascular de pequeño vaso (Wardlaw et al., 2013). Hipertensión, dislipemia y resistencia a la insulina las favorecen sin pasar por señalización interoceptiva alguna.

Causalidad inversa y confusión. La flecha puede ir al revés. El hipotálamo participa en el control del peso, y los cambios en conducta alimentaria y composición corporal pueden preceder al diagnóstico de enfermedades neurodegenerativas. Actividad física, dieta, nivel socioeconómico y carga genética confunden la asociación, y no todos se miden con la misma calidad. Si el diseño es observacional, y por lo que se sabe de la fuente lo es, nada de esto queda descartado.

La consecuencia para CPEA es incómoda y útil a la vez. Si inflamación, glucemia y enfermedad vascular explican toda la asociación, la capa predictiva sobra por parsimonia. Solo se justifica si predice un residuo, un orden temporal o un patrón de medidas que los mecanismos clásicos no predicen.

Hipótesis

Las cuatro hipótesis siguientes van de la más contrastable con datos existentes a la que exige intervención. Todas son especulativas: ninguna tiene respaldo empírico directo, y cada una indica qué resultado la refutaría.

H1. Mediación residual. El efecto de pertenecer a un perfil de grasa ectópica sobre volumen de sustancia gris e hiperintensidades se atenúa al ajustar por mediadores clásicos (proteína C reactiva, HbA1c, glucosa, triglicéridos, presión arterial), pero queda un residuo, y ese residuo se reduce al incluir una medida de precisión interoceptiva. Refutación: la medida interoceptiva no modifica el residuo, o los mediadores clásicos absorben el efecto por completo.

H2. Precisión interoceptiva reducida. En participantes de perfil pancreático-predominante o skinny fat, comparados con controles magros de igual edad y sexo, la exactitud en discriminación de latidos y la amplitud del potencial evocado por el latido serán menores, con control de IMC y de variabilidad de la frecuencia cardiaca. Se escoge la variante de precisión baja porque una señal que no se deja modelar debería, según el formalismo, perder peso en la inferencia; la variante de sobreprecisión tiene un respaldo previo comparable, de modo que elegir una es una decisión metodológica para poder fallar. Refutación: ausencia de diferencias o diferencia de signo opuesto, lo que favorecería la sobreprecisión. Advertencia: interpretar la amplitud del potencial evocado como índice de precisión es discutido, y por eso H2 exige también la tarea conductual.

H3. Variabilidad, no media. Dentro de los perfiles de grasa ectópica, el déficit interoceptivo se asociará con la variabilidad glucémica (coeficiente de variación en medición continua) con independencia de la glucosa media y de la HbA1c. Refutación: asociación nula una vez controlada la media. Esta hipótesis separa el ruido (varianza) del nivel (media), y es lo más específico que la teoría predice.

H4. Orden temporal. Una intervención que reduzca la variabilidad glucémica sin cambiar peso ni glucosa media mejorará las medidas interoceptivas antes de que cambie cualquier medida estructural. Refutación: reducción de variabilidad sin cambio interoceptivo, o mejora estructural sin cambio interoceptivo previo; en este segundo caso el puente predictivo sobra. No se espera variación de las hiperintensidades a las 12 semanas; el desenlace estructural, si procede, exige meses.

Una nota sobre el conjunto. H1 y H3 podrían cumplirse y H2 y H4 no, o al revés. La combinación importa, y los programas de la sección 7 están diseñados para que cada resultado posible deje al marco en una posición distinta.

Estatus epistémico de cada afirmación

• Respaldo empírico verificado en fuentes del estudio: diseño (análisis secundario de UK Biobank, n = 25.997), existencia de seis perfiles, asociación de los perfiles pancreático-predominante y skinny fat con desenlaces neurológicos adversos, fracción grasa pancreática de alrededor del 30 % en el primero.
• Respaldo en literatura, sin contraste aquí con texto completo: inflamación de bajo grado, lipotoxicidad, variabilidad glucémica y estrés oxidativo, modelos interoceptivos del cerebro.
• Homología estructural, no mecanismo demostrado: la lectura de la grasa ectópica como fuente de error de predicción metabólica crónico. El estudio no mide coherencia predictiva ni precisión interoceptiva.
• Hipótesis con falsabilidad definida: H1 a H4.
• Fuera del alcance: ninguna afirmación sobre METFI, campos toroidales ni otros marcos del corpus.

Programas de seguimiento

Tres programas, ordenados de menor a mayor coste. Cada uno incluye qué se mide, cómo se analiza y qué resultado cuenta como información.

Programa A. Mediación en UK Biobank (datos existentes)

Objetivo. Contrastar la parte de H1 que no necesita medidas interoceptivas: cuánto del efecto perfil-estructura absorben los mediadores clásicos.

Datos. Grasa por resonancia en los depósitos del estudio original, volúmenes de sustancia gris, hiperintensidades, parámetros NODDI y brecha de edad cerebral; en sangre, proteína C reactiva, HbA1c, glucosa y triglicéridos; presión arterial.

Método. Análisis de mediación causal con varios mediadores (VanderWeele, 2015), estratificado por sexo como en el trabajo original, con valores E o un análisis de sensibilidad equivalente para confusión no medida. Si el subconjunto con imagen repetida tiene tamaño suficiente, comprobar además si el perfil basal predice el cambio cerebral entre visitas, lo que atacaría la causalidad inversa. Hasta donde sé, el catálogo no incluye medidas de precisión interoceptiva; habría que confirmarlo en el esquema de datos.

Lectura. Si los mediadores clásicos absorben casi todo, la prioridad de CPEA baja. Si queda residuo, se justifica el programa B.

Programa B. Estudio transversal pareado

Grupos. Perfil pancreático-predominante, perfil skinny fat y controles magros, con emparejamiento por edad y sexo y ajuste estadístico por IMC. Tamaño de 25 por grupo como estudio de viabilidad, sin potencia para efectos pequeños; se declara así de entrada. El cribado por resonancia para identificar los perfiles es el principal coste.

Mediciones.

• Resonancia: fracción grasa pancreática y hepática, volumen de sustancia gris, hiperintensidades en volumen y NODDI.
• Glucosa continua durante 14 días: coeficiente de variación, amplitud media de las excursiones y tiempo en rango.
• Sangre: proteína C reactiva de alta sensibilidad, interleucina 6 e insulina en ayunas (HOMA-IR).
• Cardiaco: variabilidad de la frecuencia cardiaca en reposo (RMSSD en 5 minutos).
• EEG de 64 canales con ECG simultáneo, 10 minutos en reposo, para el potencial evocado por el latido.
• Tarea de discriminación de latidos con valoración de confianza (Garfinkel et al., 2015): exactitud, sensibilidad y la diferencia entre ambas.

Análisis. Preregistrado, con tamaños de efecto e intervalos de confianza, no solo valores p. Contrasta H2 y H3. Se informa por separado la exactitud y la sensibilidad, porque de su combinación depende qué variante de precisión queda favorecida.

Programa C. Intervención a peso constante

Diseño. Ensayo aleatorizado de 12 semanas en personas con perfiles de grasa ectópica. Dieta isoenergética con reparto de hidratos de carbono y fibra orientado a reducir la variabilidad glucémica, guiada con glucosa continua, frente a una dieta control isoenergética.

Condición de validez. Peso dentro de ±1 kg y glucosa media sin cambio. Quien no la cumpla no cuenta para H4.

Desenlaces. Coeficiente de variación glucémico, exactitud interoceptiva, potencial evocado por el latido y proteína C reactiva, en las semanas 0, 6 y 12. Resonancia a los 12 meses en una extensión opcional, con hiperintensidades y volumen como desenlaces exploratorios y sin potencia para cambios pequeños.

Limitación. Una dieta que baja la variabilidad también modifica fibra, microbiota e inflamación. Por eso la proteína C reactiva entra como covariable, y aun así un resultado positivo sería parcial.

Reglas de decisión

• A absorbe casi todo el efecto y B no muestra diferencias interoceptivas: la capa predictiva sobra en este eje.
• A deja residuo, B muestra déficit de exactitud (H2) y asociación con variabilidad independiente de la media (H3): el puente queda sustentado y se pasa a C.
• B muestra exactitud conservada con sensibilidad autorreferida alta: se favorece la variante de sobreprecisión, y se reformula H2 antes de seguir.
• C mejora las medidas interoceptivas sin cambio en proteína C reactiva: apoya H4. Si la proteína C reactiva también cambia, el resultado es ambiguo y se declara como tal.

Resumen

• Yu, Yao et al. (Radiology, 2026) clasificaron a 25.997 participantes de UK Biobank en seis perfiles de grasa por resonancia; los perfiles pancreático-predominante y skinny fat se asociaron con desenlaces neurológicos adversos.
• La lectura CPEA propuesta es una homología estructural: la grasa ectópica como fuente crónica de señal interoceptiva poco fiable. El estudio no mide precisión interoceptiva ni coherencia predictiva.
• Ruido, error de predicción y precisión son conceptos distintos; la hipótesis gana nitidez si se formula en términos de precisión asignada al canal interoceptivo, con dos variantes opuestas (precisión baja o sobreprecisión).
• El salto de regulación degradada a atrofia pasa por mecanismos ya conocidos (inflamación, variabilidad glucémica, enfermedad de pequeño vaso), y la causalidad inversa no está descartada.
• CPEA se justifica solo si predice un residuo, un orden temporal o un patrón de medidas que la explicación clásica no predice.
• Cuatro hipótesis falsables: mediación residual (H1), precisión interoceptiva reducida (H2), variabilidad y no media (H3), orden temporal (H4).
• Tres programas de seguimiento: mediación en UK Biobank, estudio transversal pareado con glucosa continua y medidas interoceptivas, e intervención a peso constante, con reglas de decisión explícitas.

Referencias 

1. Yu M, Yao L, Shahi S, Xu Y, Li M, Zheng Q, Ma D, Zhang Q, Wang D, Wu Y, Zhou X, Ge H, Hu C, Deng Y, Liu K. Association of Body Fat Distribution Patterns at MRI with Brain Structure, Cognition, and Neurologic Diseases. Radiology. 2026;318(1):e252610. doi:10.1148/radiol.252610. Fuente primaria. Análisis secundario de UK Biobank; vínculo institucional de los autores con el hospital afiliado a la Universidad Médica de Xuzhou. Acceso abierto según las fichas consultadas. No se ha revisado aquí su declaración de conflictos de intereses.
2. Nield D. (8 de febrero de 2026). ¿Patrones ocultos de grasa corporal podrían estar reduciendo tu cerebro? Nota divulgativa sobre el estudio anterior; se cita como contexto de difusión, no como evidencia.
3. RSNA. Hidden Fat in Your Body Type May Put You at Greater Brain Risk. Nota de prensa, 27 de enero de 2026. Fuente institucional de la sociedad que edita Radiology, vínculo que se declara; aporta la cifra de fracción grasa pancreática y la declaración de Liu.
4. Seth AK. Interoceptive inference, emotion, and the embodied self. Trends Cogn Sci. 2013;17(11):565-573. Formulación de referencia de la inferencia interoceptiva.
5. Barrett LF, Simmons WK. Interoceptive predictions in the brain. Nat Rev Neurosci. 2015;16:419-429. Desarrolla la arquitectura predictiva de la interocepción y su papel en la regulación corporal.
6. Sterling P. Allostasis: a model of predictive regulation. Physiol Behav. 2012;106:5-15. Base del control anticipatorio y de por qué la calidad del modelo interno importa.
7. Friston K. The free-energy principle: a unified brain theory? Nat Rev Neurosci. 2010;11:127-138. Marco formal del que proviene la premisa de minimización de error.
8. Feldman H, Friston KJ. Attention, uncertainty, and free-energy. Front Hum Neurosci. 2010;4:215. Define la precisión como ponderación del error, concepto central de la sección 3.
9. Khalsa SS, Adolphs R, Cameron OG, et al. Interoception and mental health: a roadmap. Biol Psychiatry Cogn Neurosci Neuroimaging. 2018;3:501-513. Revisión que recoge las lecturas contrapuestas de la alteración interoceptiva.
10. Garfinkel SN, Seth AK, Barrett AB, Suzuki K, Critchley HD. Knowing your own heart: distinguishing interoceptive accuracy from interoceptive awareness. Biol Psychol. 2015;104:65-74. Distinción entre exactitud, sensibilidad y conciencia, que sostiene el diseño de H2.
11. Hotamisligil GS. Inflammation and metabolic disorders. Nature. 2006;444:860-867. Revisión clásica de la inflamación en trastornos metabólicos.
12. Hotamisligil GS. Inflammation, metaflammation and immunometabolic disorders. Nature. 2017;542:177-185. Actualización del mismo marco.
13. Willette AA, Kapogiannis D. Does the brain shrink as the waistline expands? Ageing Res Rev. 2015;20:86-97. Revisión de la relación entre adiposidad y estructura cerebral.
14. Kullmann S, Callaghan MF, Heni M, et al. Specific white matter tissue microstructure changes associated with obesity. NeuroImage. 2016;125:36-44. Cambios de microestructura de sustancia blanca asociados a obesidad.
15. Monnier L, Mas E, Ginet C, et al. Activation of oxidative stress by acute glucose fluctuations compared with sustained chronic hyperglycemia in patients with type 2 diabetes. JAMA. 2006;295:1681-1687. Población diabética; su extrapolación es una suposición.
16. Wardlaw JM, Smith EE, Biessels GJ, et al. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. Lancet Neurol. 2013;12:822-838. Criterios STRIVE para definir las hiperintensidades de sustancia blanca y otros marcadores de enfermedad de pequeño vaso.
17. Fry A, Littlejohns TJ, Sudlow C, et al. Comparison of sociodemographic and health-related characteristics of UK Biobank participants with those of the general population. Am J Epidemiol. 2017;186:1026-1034. Documenta el sesgo de voluntario sano de la cohorte.
18. VanderWeele TJ. Explanation in Causal Inference: Methods for Mediation and Interaction. Oxford University Press; 2015. Base metodológica del programa A.
19. Zhang H, Schneider T, Wheeler-Kingshott CA, Alexander DC. NODDI: practical in vivo neurite orientation dispersion and density imaging of the human brain. NeuroImage. 2012;61:1000-1016. Referencia del modelo de difusión usado en el estudio original.

Nota de verificación

Verificado contra fuentes recuperadas: diseño, tamaño muestral, método de agrupación, número de perfiles, conclusión del resumen, fracción grasa pancreática del perfil predominante y la afirmación de Liu sobre grasa pancreática frente a hígado graso. Citado de memoria y pendiente de comprobar en cada fuente: la bibliografía de las referencias 4 a 19, incluidos volumen y páginas. Sin verificar: tamaños de efecto, dirección de cada diferencia por perfil, tratamiento de la temporalidad y declaración de conflictos de intereses del artículo original, que requieren el texto completo.