La IA detecta las primeras señales de alerta de la diabetes analizando los picos de glucosa.

Una nueva encuesta Modelo de IA desarrollado por Scripps Research Puede detectar el riesgo de diabetes de forma temprana analizando los picos de glucosa en tiempo real y otros datos de salud que las pruebas tradicionales, como la HbA1c, suelen pasar por alto. Mediante el uso de monitores continuos de glucosa (MCG), información sobre el microbioma intestinal, la dieta y los niveles de actividad, el modelo proporciona una visión más detallada de la salud metabólica, lo que ayuda a identificar a las personas en riesgo antes de que aparezcan los síntomas.

Puntos clave:

• Las pruebas tradicionales de HbA1c son limitadas en la predicción del riesgo de diabetes temprana.
• Scripps Research desarrolló un modelo de IA que utiliza datos de CGM, microbioma intestinal, dieta y niveles de actividad para evaluar el riesgo de progresión de la diabetes con mayor precisión.
• El estudio PROGRESS inscribió a más de 1,000 participantes de forma remota, lo que permite realizar un ensayo clínico totalmente autoguiado.
• El tiempo de recuperación del pico de glucosa es un marcador crítico para identificar problemas de salud metabólica antes de que aparezcan los síntomas.
• El modelo puede Diferenciar a los individuos prediabéticos de alto riesgo de aquellos con menor probabilidad de progresar a diabetes, incluso si tienen resultados de laboratorio similares.
• Las aplicaciones futuras podrían permitir Personas que utilizan MCG en casa para controlar su riesgo en tiempo real, lo que permite intervenciones tempranas.

Tradicionalmente, los médicos han confiado en una prueba de laboratorio llamada HbA1c para diagnosticar la diabetes tipo 2 y la prediabetes, que mide el azúcar en sangre de una persona. azúcar en la sangre promedio En los últimos meses. Si bien es útil, la HbA1c tiene sus limitaciones: no revela quién está al borde de desarrollar diabetes ni permite diferenciar entre personas con la misma puntuación en la prueba, pero con diferentes perfiles de riesgo.

Un nuevo enfoque desarrollado por investigadores de Scripps Research busca cambiar esta situación. Mediante el uso de inteligencia artificial y la combinación de datos de monitores de glucosa portátiles con información sobre la dieta, la actividad física, la genética y la salud intestinal, el equipo ha creado un modelo que detecta las primeras señales de alerta de la diabetes mucho antes de que aparezcan los síntomas.

Más allá de la HbA1c: una mirada más profunda a la salud metabólica

Este innovador modelo, detallado en Nature Medicine, utiliza información de Monitores continuos de glucosa (MCG) para rastrear cambios sutiles En la dinámica del azúcar en sangre. A diferencia de la instantánea estática que proporciona la HbA1c, este método basado en IA captura cómo responde el cuerpo a la vida diaria (comidas, ejercicio e incluso patrones de sueño), ofreciendo una visión más precisa de la salud metabólica.

“Dos personas podrían tener exactamente la misma HbA1c, pero sus cuerpos podrían estar manejando la glucosa de maneras muy diferentes”, explica Giorgio Quer, coautor principal y director de IA en Scripps Research. “Al monitorear los detalles finos, cómo Los niveles de glucosa se normalizan rápidamente Después de un pico, los patrones de glucosa nocturnos, los hábitos alimentarios y la microbiota intestinal: podemos distinguir quién se encamina silenciosamente hacia la diabetes”.

Un ensayo clínico virtual innovador: el estudio PROGRESS

El proyecto, denominado Estudio PROGRESS (Predicción de la Respuesta Glucémica), contó con la participación de más de 1,000 personas en todo Estados Unidos mediante un ensayo clínico totalmente virtual. Los participantes, desde personas sanas hasta personas con prediabetes y diabetes, usaron el MCG Dexcom G6 durante 10 días. Registraron sus comidas y entrenamientos, y enviaron muestras de sangre, saliva y heces por correo. Los investigadores también analizaron sus historiales médicos para elaborar un perfil de salud completo.

“Este fue un estudio completamente remoto y autoguiado”, señala Ed Ramos, coautor principal y director sénior de Ensayos Clínicos Digitales en Scripps. “Diseñamos un marco que permitió a los participantes completar todo desde casa: conectar sus propios sensores, recolectar muestras y enviarlas. Es una nueva frontera en la investigación clínica”.

Un modelo de IA identifica riesgos ocultos a través de la dinámica de la glucosa

El modelo de IA se entrenó para analizar este diverso conjunto de datos e identificar patrones distintivos que se correlacionan con el riesgo de diabetes. Una métrica destacada fue el tiempo que tardó Los niveles de azúcar en sangre se estabilizan después de un pico.

Las Personas con Discapacidades la diabetes tipo 2 A menudo, se necesitaban más de 100 minutos para que la glucosa volviera a su nivel basal, mientras que las personas más sanas se recuperaban mucho más rápido. Además, los participantes con una mayor diversidad de bacterias intestinales y niveles más altos de actividad física mostraron un mejor control de la glucosa, mientras que quienes presentaban frecuencias cardíacas en reposo elevadas eran más propensos a una mala regulación de la glucosa.

Detectar el riesgo en personas prediabéticas antes de que sea demasiado tarde

Lo que hace que este modelo sea particularmente valioso es su capacidad para detectar el riesgo incluso cuando los resultados de laboratorio tradicionales parecen normales. Entre los participantes prediabéticos, la IA pudo discernir quiénes reflejaban diabetic mePatrones tabólicos y que se mantuvieron más cerca de un perfil saludable, a pesar de niveles similares de HbA1c. Esta granularidad podría permitir a los médicos personalizar las intervenciones, priorizando cambios en el estilo de vida o tratamientos tempranos para las personas con mayor riesgo.

Mirando hacia el futuro: Impacto en el mundo real y prevención personalizada

Los investigadores continúan monitoreando a los participantes a lo largo del tiempo para comprobar si las predicciones del modelo se ajustan a la progresión real de la enfermedad. También han probado el modelo con éxito en un conjunto de datos de pacientes independientes de Israel, lo que aumenta su potencial de adopción clínica generalizada.

De cara al futuro, el equipo prevé que esta herramienta de IA se convierta en un componente estándar de la evaluación del riesgo de diabetes, ya sea en consultorios médicos o directamente por personas que utilicen MCG en casa. Al ofrecer retroalimentación en tiempo real, podría ayudar a las personas a comprender cómo sus hábitos diarios influyen en su salud y a tomar medidas proactivas para prevenir enfermedades.

“La diabetes no se desarrolla de la noche a la mañana”, enfatiza Quer. “Es un proceso gradual, y con la tecnología actual, podemos detectarla antes e intervenir de forma más inteligente y personalizada”.