La IA en el manejo y cuidado del paciente diabético

Un área de investigación en el campo de la diabetes es la creación de sistemas de alerta para identificar episodios de hiperglucemia, hipoglucemia o cambios inminentes en los niveles de glucosa. Gracias a estos avances, tanto los pacientes como los profesionales de la salud pueden tomar decisiones informadas sobre la administración de insulina, la dieta y la actividad física, manteniendo así los niveles de glucosa dentro de los rangos adecuados.

Por ejemplo, un estudio llevado a cabo en más de 70.000 pacientes recogió los datos de registros médicos electrónicos para entrenar un modelo de aprendizaje automático. Este modelo logró identificar patrones y factores de riesgo vinculados con más de 78 patologías diferentes. En DM2, concretamente, el rendimiento del modelo fue excepcional, demostrando un gran potencial para la identificación temprana de la enfermedad y la implementación de medidas preventivas.

También se están aplicando varias técnicas de aprendizaje automático que están demostrando ser de gran utilidad para aprovechar la enorme disponibilidad de datos. En este sentido, se pueden usar para generar mapas de probabilidad de lesiones patológicas sutiles en imágenes de fondo de ojo. De hecho, ya se cuenta con tecnología autorizada para uso médico que aplican estas técnicas de análisis. En 2018, la FDA autorizó el uso de IDx-DR, un instrumento que diagnostica de forma autónoma a pacientes con retinopatía diabética y edema macular.

¿Cómo funciona esto en la práctica? Cuando una persona con diabetes se somete a un examen de la vista, el oftalmólogo puede tomar una imagen de la retina. Luego, esta imagen se procesa utilizando algoritmos de IA que identifican cualquier anormalidad. Si se detecta algo inusual, se puede tomar acción antes de que la enfermedad progrese.

Se está trabajando de manera similar sobre los factores de riesgo cardiometabólico, que están asociados tanto a la diabetes como la hipertensión arterial, dislipemia y obesidad. En este contexto, se pretende realizar una predicción de la evolución de estas patologías en un modelo de “gemelo digital” que simule el comportamiento de una población, ayudando así a la implementación de diferentes planes terapéuticos y mitigando las repercusiones sobre el riesgo cardiovascular de estas personas.

La IA podría ser un instrumento de educación continua y proporcionar un apoyo personalizado. Los chatbots y las aplicaciones de salud basadas en IA pueden proporcionar información sobre la enfermedad, consejos de estilo de vida saludable y recordatorios para tomar medicamentos o realizar un seguimiento de los niveles de glucosa. Además, pueden ofrecer un canal de comunicación accesible para que los pacientes resuelvan sus dudas y se sientan respaldados en la gestión de la enfermedad.

Existen varias aplicaciones móviles que ayudan a los pacientes en distintas tareas diarias de gestión de la diabetes. También existen modelos para evaluar cuál puede ser la comida más recomendable a partir de una foto, o aplicaciones para personalizar la actividad física con la intención de mejorar los resultados en salud. Todas estas tecnologías, denominadas eHealth, están teniendo un gran impacto en la calidad de vida de los pacientes a través de la autogestión de su enfermedad.

Es importante destacar que la implementación de la IA en el campo de la diabetes no está exenta de desafíos. La fiabilidad y la seguridad de los algoritmos son cuestiones críticas que deben abordarse adecuadamente. Además, la incorporación de la IA en la atención médica requiere una estrecha colaboración entre médicos, científicos de datos y fabricantes de tecnología para garantizar que los modelos sean precisos, éticos y basados en una evidencia científica sólida. Por tanto, si bien la IA promete beneficios significativos, también plantea desafíos y preocupaciones que deben abordarse cuidadosamente junto con una reflexión de los actores que juegan un rol crítico en los pacientes y en la atención médica en general.

Uno de los principales desafíos en el contexto de la diabetes es que los modelos de aprendizaje automático se basan en correlaciones y patrones de datos, sin una comprensión intrínseca de la causalidad. Esto significa que los algoritmos pueden identificar relaciones entre variables, como niveles de glucosa en sangre y actividad física, pero no pueden determinar las verdaderas causas subyacentes. Esto puede llevar a decisiones erróneas o a conclusiones inexactas si no se tiene en cuenta el contexto clínico adecuado.

A medida que los sistemas de IA se vuelven más sofisticados en el manejo de la diabetes, surge la cuestión de quién es responsable de las decisiones tomadas por estos sistemas. Especialmente en medicina, donde un error en un algoritmo puede tener consecuencias graves, es importante cuidar los datos y asegurar la transparencia del modelo utilizado. Además, se deben establecer mecanismos adecuados para que los pacientes comprendan las recomendaciones de la IA y puedan participar activamente en el proceso de toma de decisiones.