Detección Temprana de Diabetes con IA, Identificando el Riesgo Oculto en la Glucosa

4 ago
3 Min. de lectura

Un médico de cabello gris, con bata blanca, habla con un paciente joven. Están en una consulta médica, con un monitor que muestra modelos anatómicos detrás.

En un avance que promete transformar la salud pública, la inteligencia artificial (IA) está demostrando una capacidad sin precedentes para detectar el riesgo oculto de diabetes, mucho antes de que los métodos diagnósticos tradicionales lo permitan. Dos estudios recientes, presentados en las 85ª Sesiones Científicas de la American Diabetes Association, resaltan que la detección temprana de diabetes con IA será más precisa y personalizada, gracias al potencial de esta herramienta.

Millones de personas podrían estar perdiendo la oportunidad de un diagnóstico temprano de diabetes o prediabetes, ya que las herramientas estándar como la hemoglobina glicosilada (HbA1c) o la glucosa en ayunas, no capturan la complejidad total de la regulación de la glucosa. Numerosos factores, incluyendo el estrés, la composición del microbioma, el sueño, la actividad física, la genética, la dieta y la edad, influyen significativamente en las fluctuaciones de la glucosa en sangre, especialmente los picos posprandiales, que se observan incluso en individuos aparentemente sanos.

Un estudio publicado en Nature Medicine analizó datos de más de 2,400 personas a través de dos cohortes, incluyendo un grupo diverso del estudio PROGRESS con el 48.1% de participantes de grupos históricamente subrepresentados en investigación biomédica. Los investigadores utilizaron monitoreo continuo de glucosa (CGM) junto con una amplia gama de datos multimodales —desde el genoma y el microbioma intestinal hasta el estilo de vida— para crear perfiles de riesgo glucémico. Se encontró que la diversidad reducida del microbioma intestinal se correlaciona directamente con un peor control de la glucosa. Además, se observó que un mayor consumo diario de carbohidratos, aunque acelera la resolución de los picos de glucosa, también los activa con mayor frecuencia e intensidad. Su modelo de IA pudo distinguir con alta precisión a individuos normoglucémicos de aquellos con diabetes tipo 2 (T2D) y logró identificar una variabilidad sustancial en los niveles de riesgo entre individuos prediabéticos con valores similares de HbA1c, lo que la hace superior a las pruebas convencionales.

Simultáneamente, la IA está haciendo olas en la detección de diabetes tipo 1 (DT1). Cada año, alrededor de 64,000 estadounidenses son diagnosticados con DT1, y hasta un 40% no son conscientes de la enfermedad hasta que experimentan un evento potencialmente mortal que requiere hospitalización, momento en el que el daño a las células productoras de insulina ya es considerable e irreversible. Nuevos modelos de IA, entrenados con millones de registros de salud de bases de datos de reclamos, han logrado identificar el riesgo de DT1 hasta un año antes del diagnóstico clínico, con una precisión significativamente mayor y menos falsos positivos que los métodos de cribado actuales. Uno de los modelos más efectivos, Bidirectional Encoder Representations from Transformers (BERT), identificó correctamente el 80% de los casos verdaderos de DT1, demostrando cómo la IA puede desvelar patrones ocultos en los datos de atención médica rutinaria. Estos modelos también revelaron que un 29% de los casos de DT1 habían sido previamente mal clasificados como diabetes tipo 2 u otras formas, subrayando una brecha diagnóstica crítica que puede retrasar el tratamiento adecuado.

Estos hallazgos sugieren un futuro donde la medicina será más proactiva y personalizada, permitiendo intervenciones tempranas antes de que la enfermedad progrese significativamente. La IA en diabetes no solo ayuda a anticipar la enfermedad, sino que también ofrece un camino hacia una atención médica más precisa e inclusiva, mejorando la vida de millones.