A los investigadores les preocupa cada vez más que las herramientas de diagnóstico existentes sean también menos eficaces en algunas poblaciones. Estudios recientes sugieren que la HbA1c puede dar resultados falsamente bajos en algunas personas de raza negra y del sur de Asia, lo que retrasa el diagnóstico hasta que la enfermedad está más avanzada.
Esta disparidad ha suscitado un creciente interés por enfoques más personalizados y ricos en datos para la detección de la diabetes: enfoques que combinan biomarcadores, dispositivos portátiles e inteligencia artificial para identificar antes el riesgo y comprender la enfermedad con mayor detalle.
En la Universidad de Stanford, Snyder y sus colegas han estado estudiando si los monitores continuos de glucosa (CGM), sensores portátiles que registran los niveles de glucosa en tiempo real, pueden revelar patrones metabólicos ocultos mucho antes del diagnóstico convencional de la diabetes tipo 2, que representa alrededor del 95% de los casos. Aunque suele estar asociada a la obesidad (un importante factor de riesgo), las personas más delgadas también pueden desarrollarla. El propio Snyder desarrolló diabetes tipo 2 a pesar de no encajar en el perfil estereotipado de la enfermedad.
"En la regulación de la glucosa intervienen muchos sistemas orgánicos: el hígado, los músculos, el intestino, el páncreas e incluso el cerebro", explica Snyder. “Hay muchas vías bioquímicas, y es lógico que la desregulación de la glucosa no se limite a un solo factor”.
Nuevas tecnologías para la detección
El equipo de Stanford desarrolló un algoritmo basado en IA que analiza patrones en los datos del CGM para identificar distintas formas de diabetes tipo 2. En las pruebas, el sistema identificó algunos de estos patrones con una precisión cercana al 90%.
Los investigadores creen que los hallazgos podrían ayudar a identificar a las personas que ya están desarrollando problemas metabólicos mucho antes de un diagnóstico de diabetes convencional. "Es una herramienta que la gente puede utilizar para tomar medidas preventivas", sostiene Snyder. "Si los niveles disparan un aviso de prediabetes, se podrían ajustar los hábitos dietéticos o de ejercicio, por ejemplo".
se necesite insulina. "Necesitamos, de alguna manera, reconocerla temprano", expresa Oram.deben ser objeto de un seguimiento más cercano.La calculadora ya está disponible en línea para los médicos, pero Oram advierte que aún es un "primer paso". El equipo la está probando ahora en estudios de cribado antes de someterla al proceso normativo para un uso clínico más amplio.
“Lo ideal sería contar con herramientas sencillas de predicción de riesgos integradas en los registros médicos electrónicos y lograr que todo funcione fluidamente”, concluye.
Artículo originalmente publicado en WIRED. Adaptado por Andrea Baranenko.