Un artículo publicado en Nature, detalla un novedoso modelo para la predicción de niveles de glucosa en sangre sin necesidad de dispositivos ni pinchazos.
La diabetes tipo 2 es uno de los problemas más grandes de salud pública a nivel mundial. Muchos tratamientos están destinados a la reducción del nivel de azúcar en sangre, sin embargo, lo más importante es la prevención y fomentar estilos de vida saludables, como una buena dieta y ejercicio físico.
Investigaciones muestran que los pacientes muestran mayor motivación sobre mejorar las decisiones sobre su dieta y ejercicio, cuando cuentan con datos precisos y continuos sobre sus niveles de glucosa. Esta es una de las principales barreras, ya que la monitorización continua de glucosa se realiza solamente mediante pinchazos digitales, es decir una técnica invasiva.
Investigadores del Departamento de Ingeniería Biomédica de la Universidad de Duke, han desarrollado un modelo de aprendizaje automático para la predicción de niveles de glucosa intersticial mediante mediciones no invasivas. A través de las fluctuaciones de la glucosa reflejadas por la frecuencia cardiaca de los pacientes, desarrollaron este modelo que combina 69 entradas para la predicción de los niveles de glucosa en los 16 participantes del estudio (pacientes con prediabetes diagnosticada o con niveles de glucosa en sangre normales a altos).
“Las entradas del modelo incluyeron datos demográficos / históricos como el sexo biológico, el registro de alimentos (registrado por el participante del estudio) y la última medición de HgbA1c, así como biomarcadores de estrés, actividad y ritmo circadiano”, explican Leia Wedlund y Joseph Kvedar de escuela de medicina de Harvard en su editorial publicada e Nature.
El algoritmo fue entrenado utilizando un monitor continuo través, que proporcionó los verdaderos niveles de glucosa intersticial. El modelo utilizo este dato como punto de referencia para determinar los niveles altos de glucosa. Mediante datos como la frecuencia cardíaca o la dieta diaria el modelo logró predecir los niveles exactos de glucosa intersticial de los participantes, esto sin utilizar técnicas invasivas y registrar una precisión de 87%.
El estudio original “Ingeniería de biomarcadores digitales de glucosa intersticial a partir de relojes inteligentes no invasivos” de Brinnae Bent, et al. puedes encontrarlo en el siguiente enlace: https://www.nature.com/articles/s41746-021-00465-w
