Científicos desarrollan modelo de IA para predecir niveles de glucosa con mayor precisión

Un avance significativo en la aplicación de inteligencia artificial para el cuidado de la diabetes ha sido publicado en la revista Nature. Investigadores han desarrollado GluFormer, un modelo de fundación generativo para datos de monitoreo continuo de glucosa (CGM) que podría transformar la forma en que se maneja esta enfermedad crónica.

El modelo fue entrenado mediante aprendizaje autosupervisado utilizando más de 10 millones de mediciones de glucosa provenientes de 10.812 adultos, principalmente sin diabetes, según informa el estudio publicado en Nature. Lo destacable de GluFormer es su capacidad para transferir sus representaciones a través de 19 cohortes externas (6.044 personas) en 5 países, abarcando 8 dispositivos CGM diferentes y diversos estados patofisiológicos, incluyendo prediabetes, diabetes tipo 1 y 2, diabetes gestacional y obesidad.

"Las representaciones proporcionaron mejoras consistentes sobre los niveles basales de glucosa en sangre y HbA1c y otras medidas derivadas de CGM para pronosticar parámetros glucémicos", señala el estudio. Esta capacidad predictiva podría ser crucial para anticipar complicaciones y ajustar tratamientos de manera oportuna.

En individuos con prediabetes, GluFormer logró estratificar a aquellos con probabilidad de experimentar aumentos clínicamente significativos en HbA1c durante un período de 2 años, superando a las métricas tradicionales de HbA1c y CGM. Más impresionante aún, en una cohorte de 580 adultos con CGM a corto plazo y un seguimiento medio de 11 años, el modelo identificó eficazmente a personas con riesgo elevado de diabetes y mortalidad cardiovascular.

"Específicamente, el 66% de los casos incidentes de diabetes y el 69% de las muertes cardiovasculares ocurrieron en el cuartil de mayor riesgo, en comparación con el 7% y 0%, respectivamente, en el cuartil inferior", detalla la investigación.

Paralelamente, otro equipo de investigadores ha desarrollado GlyRAG, un marco de trabajo basado en recuperación aumentada para la predicción de glucosa en sangre. Según el estudio publicado en arXiv.org, GlyRAG emplea un modelo de lenguaje grande (LLM) como agente de contextualización para generar resúmenes textuales clínicamente significativos a partir de datos de CGM.

"A diferencia del trabajo anterior que ignora el contexto o depende de sensores adicionales, GlyRAG deriva el contexto semántico directamente de los trazos de glucosa y lo utiliza para guiar la previsión a largo plazo", explican los investigadores. Este enfoque logra hasta un 39% menos de error cuadrático medio (RMSE) en comparación con métodos de vanguardia.

Estos avances tecnológicos llegan en un momento oportuno, ya que la empresa Welldoc ha anunciado recientemente la presentación de una solicitud 510(k) a la FDA para una función de predicción de glucosa basada en CGM. Welldoc se describe como "un líder en tecnología de salud impulsada por IA comprometido a conectar a las personas con una atención cardiometabólica mejor y más personalizada".

La plataforma de salud digital de Welldoc ofrece una experiencia unificada para personas que manejan diabetes, obesidad, hipertensión, insuficiencia cardíaca y comorbilidades complejas. La empresa destaca que su solución se basa en IA preparada para la atención médica, con 11 autorizaciones de la FDA, 60 patentes y más de 100 publicaciones revisadas por pares que demuestran efectividad clínica y seguridad.

La convergencia de estos desarrollos sugiere un futuro prometedor para el manejo de la diabetes y otras condiciones metabólicas. La capacidad de predecir con precisión los niveles futuros de glucosa podría permitir intervenciones más tempranas y personalizadas, reduciendo complicaciones y mejorando la calidad de vida de millones de personas en todo el mundo.

Los expertos señalan que estos modelos de IA podrían integrarse en sistemas de páncreas artificial de próxima generación, aplicaciones móviles de salud y plataformas de telemedicina, creando un ecosistema más robusto para el manejo de la diabetes. Además, su capacidad para identificar patrones sutiles en los datos de glucosa podría revelar nuevos conocimientos sobre la progresión de la enfermedad y factores de riesgo previamente no reconocidos.

A medida que estos sistemas continúen evolucionando y obtengan aprobaciones regulatorias, podrían convertirse en herramientas estándar tanto para profesionales de la salud como para pacientes, marcando un hito significativo en la aplicación de la inteligencia artificial para mejorar resultados en salud.