Algoritmo para diabetes 2

CientA�ficos estadounidenses han desarrollado un algoritmo personalizado que predice el impacto de determinados alimentos en los niveles de azA?car en la sangre de un individuo, segA?n un nuevo estudio publicado en ‘PLOS Computational Biology’. El algoritmo ha sido integrado en una aplicaciA?n, ‘Glucoracle’, que permitirA? a las personas con diabetes tipo 2 mantener un control mA?s estricto de sus niveles de glucosa, clave para prevenir o controlar las complicaciones principales de una enfermedad que afecta al 8 por ciento de los estadounidenses.

A menudo se recetan medicamentos para ayudar a los pacientes con diabetes tipo 2 a controlar sus niveles de azA?car en la sangre, pero el ejercicio y la dieta tambiA�n juegan un papel importante. «Aunque sabemos el efecto general de los diferentes tipos de alimentos sobre la glucosa en la sangre, los efectos detallados pueden variar ampliamente de una persona a otra y para la misma persona en el tiempo», afirma el auto del trabajo David Albers, investigador asociado en Biomedical Informatics en el Centro MA�dico de la Universidad de Columbia (CUMC, por sus siglas en inglA�s), en Estados Unidos. «Incluso con la orientaciA?n de un experto, es difA�cil para la gente entender el verdadero impacto de sus opciones dietA�ticas -seA�ala este experto–. Nuestro algoritmo, integrado en una aplicaciA?n fA?cil de usar, predice las consecuencias de ingerir una dieta especA�fica antes de tomarse la comida, lo que permite a las personas tomar mejores decisiones nutricionales durante la hora de comer».

Algoritmo personalizado que predice el impacto de determinados alimentos en los niveles de azA?car en la sangre de un individuo

El algoritmo utiliza una tA�cnica llamada asimilaciA?n de datos, en la cual se actualiza regularmente un modelo matemA?tico de la respuesta de una persona a la glucosa con datos observacionales —mediciones de azA?car en sangre e informaciA?n nutricional– para mejorar las predicciones del modelo, explica George Hripcsak, profesor y catedrA?tico de InformA?tica BiomA�dica en CUMC. La asimilaciA?n de datos se utiliza en una variedad de aplicaciones, en particular la previsiA?n meteorolA?gica.

«El asimilador de datos se actualiza continuamente con la ingesta de alimentos del usuario y las mediciones de glucosa en sangre, personalizando el modelo para ese individuo», detalla Lena Mamykina, profesora asistente de InformA?tica BiomA�dica en CUMC, cuyo equipo ha diseA�ado y desarrollado la aplicaciA?n ‘Glucoracle’.

‘Glucoracle’ permite al usuario subir las mediciones de la sangre del dedo y una foto de una comida en particular a la aplicaciA?n, junto con una estimaciA?n aproximada del contenido nutricional de la comida. Esta estimaciA?n proporciona al usuario una predicciA?n inmediata de los niveles de azA?car en la sangre despuA�s de las comidas. La estimaciA?n y el pronA?stico se ajustan a la precisiA?n y la aplicaciA?n comienza a generar predicciones despuA�s de haber sido utilizada durante una semana, permitiendo que el asimilador de datos haya aprendido cA?mo el usuario responde a diferentes alimentos.

Los investigadores inicialmente probaron el asimilador de datos en cinco individuos que usaban la aplicaciA?n, incluyendo tres con diabetes tipo 2 y dos sin la enfermedad. Se compararon las predicciones de la aplicaciA?n con las mediciones de glucosa en sangre posteriores a las comidas y con las predicciones de formadores certificados de diabetes.

Para los dos individuos no diabA�ticos, las predicciones de la aplicaciA?n eran comparables a las mediciones reales de glucosa. Para los tres sujetos con diabetes, los pronA?sticos de la aplicaciA?n fueron ligeramente menos precisos, posiblemente debido a fluctuaciones en la fisiologA�a de los pacientes con diabetes o error de parA?metros, pero todavA�a eran comparables a las predicciones de los educadores sobre diabetes.

«Hay ciertamente espacio para la mejora –reconoce Albers–. Esta evaluaciA?n fue diseA�ada para demostrar que es posible, usando datos de auto-monitoreo de rutina, generar pronA?sticos de glucosa en tiempo real que las personas podrA�an usar para tomar mejores decisiones nutricionales. Hemos podido hacer un aspecto de la autogestiA?n de la diabetes mA?s manejable que ha sido casi imposible para las personas con diabetes tipo 2». Albers seA�ala que su tarea ahora es mejorar la aplicaciA?n. Alentado por estos primeros resultados, el equipo de investigaciA?n se estA? preparando para realizar un ensayo clA�nico mA?s amplio y estima que la aplicaciA?n podrA�a estar lista para su uso generalizado dentro de dos aA�os.