Una investigación reciente publicada en The Lancet digital Heath probó el uso de un algoritmo de machine learning para predecir diabetes tipo 1 en niños a través de datos de registros médicos.
La diabetes tipo 1 es una enfermedad crónica que afecta la capacidad del cuerpo para producir insulina, una hormona esencial para la regulación de los niveles de glucosa en la sangre. A diferencia de la diabetes tipo 2, que se asocia comúnmente al estilo de vida de los pacientes y a la obesidad, la diabetes tipo 1 es una condición autoinmune que suele diagnosticarse en la infancia o en la adolescencia. El diagnóstico temprano, el tratamiento y control adecuado de esta condición evita las complicaciones a largo plazo y garantiza una calidad de vida optima para los pacientes que viven con esta condición.
Los niños que acuden a atención primaria con sospecha de diabetes tipo 1 son remitidos a atención secundaria para evitar complicaciones más graves como la cetoacidosis diabética. Es importante el reconocimiento temprano de los niños con diabetes, sin embargo, también es un gran desafío, ya que es posible que algunos pacientes pediátricos no presenten síntomas comunes o que estos puedan atribuirse a afecciones más comunes.
Un estudio reciente publicado en la edición de junio de The Lancet Digital Health, explora el uso de un algoritmo de machine learning para la predicción de diabetes tipo 1 en niños mediante registros médicos electrónicos en atención primaria. El objetivo del estudio fue investigar si un algoritmo podría conducir a una detección más temprana de la diabetes tipo1 en la atención primaria. Para ello utilizaron registros médicos electrónicos de pacientes pediátricos de Gales, Reino Unido.
El algoritmo predictivo fue desarrollado utilizando los datos de niños recién diagnosticados con diabetes tipo 1. Los niños incluidos fueron agregados desde su primer registro de atención primaria dentro del periodo del 1 de enero de 2000 hasta el 31 de diciembre de 2016, hasta el diagnóstico de diabetes tipo 1, cuando cumplieron 15 años o finalizaron el estudio.
“Desarrollamos un conjunto (SuperLearner) utilizando 26 predictores potenciales. La validación del algoritmo se realizó en registros médicos electrónicos del Hospital Clinical Practice Research Datalink (atención primaria) y Hospital Statistics Episode, centrándose en la capacidad del algoritmo para identificar a los niños que desarrollaron diabetes tipo 1 y el momento en el que se podría realizar el diagnóstico anticipado”, detalla el estudio.
El SuperLearner compendió de más de 34 millones de contactos de atención primaria relacionados con más de 952 mil niños, asimismo el conjunto de datos de validación comprendió de más de 43 millones de contactos de atención primaria de alrededor de 1.5 millones de niños.
Los resultados arrojaron que, 1829 niños menores de 15 años (0.19%) en el conjunto de datos de desarrollo y 1516 (0.10%) en el conjunto de datos de validación, tenían una fecha confiable de diagnóstico de diabetes tipo 1. En términos generales si se configura para dar una alerta en el 10% de los contactos, se estima que el 71,6% de los niños con diabetes tipo 1 recibirían una alerta mediante el algoritmo en los 90 días previos al diagnóstico, con un diagnóstico anticipado, en promedio, aproximadamente 9.34 días.
“Si se implementa en entornos de atención primaria, este algoritmo predictivo podría reducir sustancialmente la proporción de pacientes con diabetes tipo 1 de nueva aparición que presentan cetoacidosis diabética, que es una urgencia médica. La aceptabilidad de los umbrales de alerta debe explorarse en atención primaria”, concluyen los autores.
