Descubre cómo la IA puede predecir tu diabetes años antes

Durante décadas, la detección de la diabetes se ha basado casi exclusivamente en medir la glucemia y verificar si supera un umbral clínico. Cada vez son más las voces de la comunidad científica que advierten que este método deja fuera a millones de personas que ya están avanzando silenciosamente hacia la enfermedad.

En todo el mundo, la diabetes se ha convertido en una de las crisis sanitarias más graves de la era moderna. Según la Organización Mundial de la Salud, el 14 % de la población mundial vivía con diabetes en 2022, frente al 7 % registrado en 1990. En Estados Unidos, más de 40 millones de personas padecen la enfermedad, pero alrededor de 11 millones siguen sin ser diagnosticadas. Se estima que más de 115 millones de estadounidenses tienen prediabetes y, aproximadamente, el 80 % desconoce su condición. En el Reino Unido, unos 5,8 millones están diagnosticados, mientras que se calcula que hasta 1,3 millones permanecen sin diagnóstico.

La urgencia de una detección precoz

“Estamos frente a una epidemia que, a mi juicio, es mucho peor que la pandemia de COVID‑19”, afirma Michael Snyder, profesor de genética de la Universidad de Stanford. “Necesitamos nuevas formas de abordarla”. El peligro no radica solo en la diabetes per se, sino en el daño acumulado de forma silenciosa durante años antes de que se diagnostique. Un nivel elevado y persistente de azúcar en sangre incrementa el riesgo de cardiopatías, ictus, insuficiencia renal, ceguera y neuropatías. Cuanto antes se identifique la enfermedad, mayores son las posibilidades de prevenir esas complicaciones o incluso de evitar la diabetes por completo.

El método tradicional sigue centrado en la medición de la glucosa en sangre, habitualmente mediante la prueba de HbA1c, que refleja el promedio de azúcar de los últimos meses. Aunque es ampliamente usada y fiable, no es infalible; sus resultados pueden verse afectados por ciertas afecciones médicas o factores fisiológicos. Además, estudios recientes indican que la HbA1c puede subestimar la glucemia en algunas personas de raza negra y del sur de Asia, retrasando el diagnóstico hasta etapas más avanzadas.

Esta disparidad ha impulsado la búsqueda de enfoques más personalizados y basados en datos, que combinan biomarcadores, dispositivos portátiles e inteligencia artificial (IA) para identificar el riesgo antes de que aparezca el cuadro clínico tradicional.

En Stanford, Snyder y su equipo están investigando si los monitores continuos de glucosa (CGM), sensores portátiles que registran los niveles de glucosa en tiempo real, pueden revelar patrones metabólicos ocultos mucho antes del diagnóstico convencional de diabetes tipo 2, que representa alrededor del 95 % de los casos. A pesar de su asociación frecuente con la obesidad, la diabetes tipo 2 también afecta a personas delgadas; Snyder mismo la desarrolló sin encajar en el estereotipo típico.

“En la regulación de la glucosa intervienen muchos sistemas orgánicos: el hígado, los músculos, el intestino, el páncreas e incluso el cerebro”, explica Snyder. “Hay numerosas vías bioquímicas, y es lógico que la desregulación no dependa de un solo factor”.

El equipo de Stanford diseñó un algoritmo basado en IA que analiza los datos del CGM para identificar diferentes formas de diabetes tipo 2. En pruebas preliminares, el sistema alcanzó una precisión cercana al 90 %. Los investigadores creen que estos hallazgos podrían permitir detectar a personas que ya están desarrollando alteraciones metabólicas mucho antes del diagnóstico convencional, ofreciendo una herramienta para que los individuos tomen medidas preventivas, como ajustar su dieta o incrementar la actividad física.

Los CGM son cada vez más asequibles y, en EE. UU., muchos pueden adquirirse sin receta. Snyder visualiza que, en un escenario ideal, la gente se los colocaría al menos una vez al año como parte de la atención preventiva, con el objetivo de “mantener a la gente sana antes de intentar curarla más tarde”.

En el Imperial College de Londres, el cardiólogo consultor Fu Siong Ng y el especialista en cardiología Arunashis Sau desarrollaron un sistema de IA que analiza electrocardiogramas (ECG) para identificar a personas con alto riesgo de desarrollar diabetes tipo 2 años antes de que se eleve su glucemia.

Utilizando aproximadamente 1,2 millones de ECG extraídos de registros hospitalarios y datos del UK Biobank, entrenaron el modelo AI‑ECG Risk Estimation for Diabetes Mellitus (AIRE‑DM). La herramienta predijo el riesgo futuro con una exactitud de alrededor del 70 % en diversas poblaciones.

“No es perfecta, pero es al menos tan buena, si no mejor, que algunas de las herramientas de diagnóstico actuales”, reconoce Ng. La ventaja potencial radica en la escala: los ECG ya se realizan rutinariamente en hospitales y clínicas de todo el mundo, lo que permitiría detectar automáticamente a pacientes de riesgo durante los cuidados habituales.

“Si alguien padece diabetes, hay que bajar su azúcar lo antes posible para reducir el riesgo a largo plazo. Y si sabemos que alguien podría desarrollarla en el futuro, podemos aplicar medidas preventivas”, añade Ng, señalando la posibilidad de programas intensivos de pérdida de peso o fármacos contra la obesidad como estrategias de prevención.

En el caso de la diabetes tipo 1, el desafío es distinto. Esta enfermedad autoinmune destruye las células beta productoras de insulina. Cuando el nivel de glucosa alcanza el umbral diagnóstico, “el caballo ya se ha escapado”, afirma Richard Oram, catedrático de diabetes y nefrología de la Universidad de Exeter. La mayoría de las células beta ya se ha perdido.

Recientemente, una inmunoterapia ha demostrado retrasar aproximadamente tres años la aparición clínica de la diabetes tipo 1 y ha sido aprobada en EE. UU., Reino Unido y Europa. Sin embargo, su eficacia depende de administrarla antes de que el azúcar en sangre se eleve y sea necesaria la insulina, lo que requiere una detección temprana.

Oram y su equipo han creado una calculadora que combina edad, antecedentes familiares, riesgo genético y la presencia de autoanticuerpos (detectados mediante un simple análisis de sangre) para estimar la probabilidad de desarrollar diabetes tipo 1. El objetivo es hacer viable el cribado temprano a gran escala, ofreciendo una herramienta rápida y económica frente a los costosos y laboriosos métodos tradicionales.

La calculadora ya está disponible en línea para profesionales, aunque Oram la describe como “un primer paso”. Actualmente se está probando en estudios de cribado antes de someterla al proceso regulatorio para un uso clínico más amplio. “Lo ideal sería contar con herramientas sencillas de predicción de riesgos integradas en los registros médicos electrónicos y lograr que todo funcione fluidamente”, concluye.

Mira tambien: