Macrodatos e inteligencia artificial en la diabetes: de la prevención y el diagnóstico a la gestión y el tratamiento
La inteligencia artificial se define como la capacidad de un algoritmo informático para realizar tareas que emulan la inteligencia humana1.
En los últimos años, hemos visto cómo la IA ha transformado diversos sectores, desde la banca y el transporte aéreo hasta la tecnología sanitaria. Las herramientas de seguimiento de la salud que ofrecen los teléfonos y relojes inteligentes, así como los bots conversacionales tales como ChatGPT, también han tomado el mundo por asalto1.
Pero ¿cómo podemos aprovechar el poder de la IA para mejorar los resultados sanitarios de las personas con diabetes de tipo 1? En este artículo, intentamos responder a esta pregunta y explorar las funciones que pueden desempeñar las tecnologías de IA y los macrodatos en la predicción, prevención y control de la diabetes de tipo 1 y de tipo 2.
Análisis de macrodatos e inteligencia artificial en la diabetes
Antes de entrar en cómo la IA puede ayudar a predecir y controlar la diabetes, tenemos que entender cuántos datos hay en circulación1.
El término «macrodatos» describe las ingentes cantidades de información a las que actualmente tenemos acceso en nuestro mundo altamente digitalizado y que podemos analizar con la ayuda de programas informáticos y algoritmos.
Los macrodatos en relación con la diabetes proceden principalmente de las siguientes fuentes1, 3:
- Historias clínicas electrónicas
- Datos comunicados por los pacientes (por ejemplo, información sobre los síntomas que las personas pueden facilitar rellenando cuestionarios)
- Resultados de laboratorio
- Datos registrados en casa (como los niveles de glucosa en sangre, la tensión arterial, el peso, la dieta y la actividad física)
- Datos de monitorización continua de glucosa (MCG) o datos de otros sensores portátiles
- Datos de herramientas de diagnóstico y detección a domicilio (como herramientas de prueba inteligentes o herramientas de análisis de sangre y orina a domicilio)
- Datos genómicos
El análisis de estos datos puede ayudar a los expertos a obtener información valiosa sobre las tendencias de la diabetes.1 Además, la información de los dispositivos con IA puede ayudar a las personas con diabetes a comprender y controlar mejor su enfermedad1, 2.
La IA como base de la tecnología predictiva para la diabetes
La IA puede utilizarse para predecir diversos aspectos de la diabetes, desde el riesgo de que una persona desarrolle diabetes de tipo 1 o de tipo 2 hasta el riesgo de desarrollar complicaciones o episodios de glucosa alta o baja en sangre1. Pero ¿de qué modo es esto posible?
Genética y algoritmos predictivos: el análisis de datos genéticos para predecir la diabetes
El aprendizaje automático, una de las ramas de la IA, puede utilizarse para analizar rápidamente datos genéticos de grandes conjuntos de poblaciones y crear modelos de predicción de riesgos mediante análisis estadísticos1, 2.
La diabetes de tipo 1 y algunas formas de diabetes de tipo 2 tienen un fuerte componente genético2, 4. Así pues, la IA puede predecir el riesgo de desarrollar diabetes de tipo 1, un subtipo específico de diabetes de tipo 2 o el riesgo de una persona de desarrollar complicaciones2, 4.
IA que detecta la resistencia a la insulina
Algunos estudios han demostrado que los datos genéticos también pueden utilizarse para predecir si una persona desarrollará resistencia a la insulina o, incluso más adelante, diabetes de tipo 25, 6.
Otros estudios han desarrollado modelos de IA que predicen el riesgo de resistencia a la insulina de una persona en función de factores como los niveles de glucosa en sangre, el metabolismo, la función renal y hepática, los factores ambientales, los niveles de colesterol o triglicéridos, el peso o la tensión arterial6.
La IA en dispositivos para diabéticos
La IA en dispositivos para diabéticos
La aplicación de la inteligencia artificial a los sistemas de monitorización de la glucosa y administración de insulina mejora la precisión, aumenta el tiempo dentro de los límites para las personas con diabetes de tipo 1 e incluso puede ayudar a prevenir los episodios de hipoglucemia1.
El uso de la IA para analizar datos sobre alimentación y actividad física puede propiciar cambios en los comportamientos, ayudando a las personas a elegir estilos de vida más saludables. Por ejemplo, algunas aplicaciones para teléfonos inteligentes utilizan el reconocimiento de imágenes de alimentos para detectar los macronutrientes de la comida a partir de una fotografía1. Un conocimiento más profundo de su nutrición y actividad física puede ayudar a las personas con diabetes de tipo 1 o de tipo 2 a controlar mejor su enfermedad1.
Medidor continuo de glucosa y tecnología de circuito cerrado
Los sensores portátiles que controlan los niveles de glucosa (como parte de la MCG) pueden ofrecer información en tiempo real sobre la trayectoria de la glucosa en sangre de una persona y sus tendencias futuras1, 3.
Cuando se combinan con una bomba de insulina, estos potentes algoritmos crean un sistema de administración de insulina de circuito cerrado totalmente automatizado1. Algunos sistemas de circuito cerrado son muy sofisticados y permiten una infusión de insulina continua totalmente automatizada, en la que las cantidades de insulina se calculan automáticamente en función de las necesidades del usuario1. Este nivel de sofisticación les ha valido el título de «páncreas artificial»1.
Predicción de hipoglucemias e hiperglucemias
Algunos modelos de IA pueden analizar y predecir cuándo una persona corre el riesgo de sufrir una hipoglucemia o una hiperglucemia basándose en sus lecturas anteriores de MCG y en las tendencias de sus niveles de glucosa en sangre1, 3.
Además de las lecturas de glucosa en sangre, estos modelos se entrenan o «aprenden» a partir de una gran cantidad de datos relacionados con la hipoglucemia o la hiperglucemia1, 7. Entre estos datos se incluyen las historias clínicas electrónicas, las lecturas de electrocardiograma (ECG) (actividad eléctrica del corazón), las lecturas de frecuencia cardiaca, la temperatura e incluso la respuesta galvánica de la piel1, 7.
Otros modelos de IA también han utilizado la ingesta de carbohidratos, muestras de aliento, dosis de insulina y actividad cerebral7.
Cómo la IA puede ayudar a calcular las dosis de insulina
Cuando la IA se integra con un MCG y una bomba de insulina como parte de un sistema de circuito cerrado, no solo detecta el riesgo de hipoglucemia, sino que también puede prevenirla, aliviando algunas de las preocupaciones que conlleva convivir con la diabetes de tipo 11.
La dosificación y administración de insulina con IA también puede ayudar a las personas con diabetes de tipo 21. Las investigaciones han demostrado que la IA ayuda a los profesionales sanitarios a crear mejores recomendaciones de insulina para las personas con esta enfermedad1.
Además, los nuevos enfoques en medicina personalizada sugieren que los datos genéticos pueden utilizarse para ayudar a proponer el mejor fármaco para una persona con diabetes de tipo 21, 4.
La IA y los macrodatos encierran un enorme potencial para tratar y prevenir tanto la diabetes de tipo 1 como la de tipo 2. Sin embargo, siguen quedando retos. Debemos garantizar que la IA se utilice de forma ética y de que los datos que utiliza sean inclusivos y se almacenen de forma segura1. La IA aún no se está utilizando con todo su potencial en los sistemas sanitarios, pero el futuro parece prometedor.
Fuentes
- Mackenzie SC, Sainsbury CAR, Wake DJ. Diabetes and artificial intelligence beyond the closed loop: a review of the landscape, promise and challenges. Diabetologia. 2024;67(2):223–35. https://doi.org/10.1007/s00125-023-06038-8
- Teixeira PF, Battelino T, Carlsson A, et al. Assisting the implementation of screening for type 1 diabetes by using artificial intelligence on publicly available data. Diabetologia. 2024;67:985–94. https://doi.org/10.1007/s00125-024-06089-5
- Contreras I, Vehi J. Artificial intelligence for diabetes management and decision support: Literature review. J Med Internet Res. 2018;20(5):e10775. https://doi.org/10.2196/10775
- Oikonomakos IT, Anjana RM, Mohan V, et al. Recent advances in artificial intelligence-assisted endocrinology and diabetes. Explor Endocr Metab Dis. 2024;1:16–26. https://doi.org/10.37349/emed.2023.00004
- González-Martín JM, Torres-Mata LB, Cazorla-Rivero S, et al. An artificial intelligence prediction model of insulin sensitivity, insulin resistance, and diabetes using genes obtained through differential expression. Genes. 2023;14(12):2119. https://doi.org/10.3390/genes14122119
- Afsaneh E, Sharifdini A, Ghazzaghi H, et al. Recent applications of machine learning and deep learning models in the prediction, diagnosis, and management of diabetes: A comprehensive review. Diabetol Metab Syndr. 2022;14:196. https://doi.org/10.1186/s13098-022-00969-9
- Mujahid O, Contreras I, Vehi J. Machine learning techniques for hypoglycemia prediction: Trends and challenges. Sensors. 2021;21(2):546. https://doi.org/10.3390/s21020546
