Una herramienta sencilla de detección en línea busca detectar antes el riesgo de diabetes
Investigadores en Dinamarca afirman haber desarrollado una herramienta de detección en el hogar diseñada para identificar a personas que podrían tener diabetes tipo 2 o prediabetes antes incluso de que pidan cita con un médico. El proyecto aborda un problema familiar de salud pública: muchas personas con enfermedad metabólica temprana no saben que están en riesgo, lo que significa que el diagnóstico a menudo llega tarde, después de que el daño ya ha comenzado.
Según la Asociación Danesa de Diabetes, unas 100.000 personas en Dinamarca desconocen que tienen diabetes tipo 2, mientras que se estima que alrededor de medio millón tiene prediabetes. Esa brecha importa porque la diabetes tipo 2 puede confirmarse con una prueba de sangre, pero muchas personas nunca se la hacen a menos que los síntomas se vuelvan notorios o un profesional clínico plantee la posibilidad. La nueva herramienta pretende actuar antes de ese proceso, empujando a las personas hacia un seguimiento médico si su riesgo parece elevado.
El sistema de detección se llama MEDWACS. Fue desarrollado por el investigador posdoctoral Daniel Yoo en DTU Sustain, junto con el profesor de DTU Olivier Jolliet y el médico italiano Umberto Maggiore, cuyo trabajo se centra en la enfermedad renal, una complicación frecuente de la diabetes. Su estudio fue publicado en el Journal of Clinical Epidemiology.
Cómo funciona la prueba
La idea central detrás de MEDWACS es que una evaluación del riesgo de diabetes no tiene por qué empezar con análisis de laboratorio. En su lugar, la prueba en línea usa información que las personas pueden proporcionar por sí mismas en casa. El informe original destaca específicamente las medidas corporales, la edad, el sexo y otros datos accesibles, incluida la longitud de la parte superior de la pierna, como parte de la evaluación de riesgo del modelo.
Eso hace que la herramienta sea distinta de los recorridos tradicionales de detección clínica, que por lo general comienzan en el consultorio de un médico o mediante controles de salud formales. El argumento de los investigadores no es que un cuestionario en línea pueda reemplazar un diagnóstico. No puede. En cambio, lo presentan como una capa de triaje: un aviso accesible y de baja fricción que puede convencer a las personas con un perfil de riesgo elevado de buscar la prueba de sangre necesaria para confirmar el diagnóstico.
Yoo dijo que la lógica es sencilla. Si las personas no sospechan que tienen diabetes, es poco probable que visiten a un médico para hacerse pruebas. En cambio, una evaluación en línea creíble puede reducir la barrera para dar el primer paso. Eso puede ser especialmente útil para las personas en la zona gris de la prediabetes, donde la progresión de la enfermedad todavía podría desacelerarse o interrumpirse mediante tratamiento y cambios en el estilo de vida.
Basada en datos de salud de largo plazo y métodos de IA
El equipo de investigación dice que MEDWACS se desarrolló usando inteligencia artificial y grandes volúmenes de datos de salud de Estados Unidos procedentes de la National Health and Nutrition Examination Survey. El conjunto de datos abarca 30 años e incluye adultos de 18 años o más de ambos sexos. Ese amplio horizonte temporal dio al modelo una base amplia de variación fisiológica y demográfica desde la cual aprender patrones asociados con el riesgo de diabetes y prediabetes.
En términos prácticos, el uso de IA aquí parece menos una automatización futurista que un reconocimiento de patrones a través de muchas variables. Las reglas de detección construidas a partir de unos pocos marcadores convencionales pueden pasar por alto combinaciones más sutiles que aun así señalan un riesgo elevado. Al entrenarse con un gran conjunto de datos históricos, los investigadores buscaron crear una herramienta que pudiera extraer esas combinaciones y al mismo tiempo depender de datos que los usuarios comunes pueden proporcionar por sí mismos.
El texto fuente no ofrece cifras de rendimiento, pero sí dice que el equipo realizó dos estudios externos de validación y que encontró que la herramienta era altamente eficaz para detectar a personas con la condición. Eso importa porque la validación externa es uno de los pasos más importantes para evaluar si un modelo puede generalizar más allá de los datos con los que se entrenó originalmente.
Por qué importa la validación externa
Las herramientas de predicción médica suelen parecer prometedoras durante el desarrollo y luego debilitarse cuando se prueban en otras poblaciones. Los investigadores intentaron abordar ese problema validando MEDWACS en dos poblaciones separadas de Estados Unidos y Corea del Sur, donde ya se conocía el número de personas con y sin la condición.
Probar en distintas poblaciones es una señal importante de seriedad en salud digital. No garantiza que el modelo funcione igual de bien en todas partes, pero ayuda a responder una pregunta básica: ¿el sistema está detectando patrones de riesgo duraderos o solo ajustándose a peculiaridades de un conjunto de datos? El hecho de que el equipo eligiera dos poblaciones externas, en lugar de depender solo de pruebas internas, sugiere un esfuerzo por ir más allá de una prueba de concepto.
Siguen existiendo límites evidentes. Una herramienta desarrollada a partir de datos históricos de salud reflejará las poblaciones representadas en esos datos, y cualquier despliegue público amplio seguiría necesitando una supervisión cuidadosa en otros países, grupos étnicos y entornos de atención. El material fuente tampoco dice si la herramienta ya se ha integrado en rutas de atención rutinarias, programas financiados o sistemas nacionales de detección.
La importancia más amplia para la atención preventiva
La historia más grande no trata solo de un sitio web de detección. Trata del uso creciente de herramientas ligeras de IA para ampliar el alcance de la medicina preventiva. La diabetes tipo 2 es común, costosa y a menudo silenciosa en sus primeras etapas. La Asociación Danesa de Diabetes dice que la enfermedad cuesta a la sociedad danesa al menos 13.300 millones de coronas danesas por año, al mismo tiempo que aumenta el riesgo de complicaciones graves, incluidas enfermedades cardiovasculares, insuficiencia renal y pérdida de visión.
Eso hace que la detección temprana sea inusualmente valiosa. A diferencia de algunas enfermedades en las que saberlo antes cambia poco, el riesgo de diabetes a menudo puede manejarse con intervenciones relativamente conocidas una vez que se identifica. Para los sistemas de salud, eso crea un incentivo para experimentar con herramientas de detección inicial de bajo costo que puedan llevar a las personas a la atención formal antes.
La asociación acogió con satisfacción los esfuerzos para detectar antes la diabetes tipo 2 y la prediabetes, y subrayó que una identificación temprana mejora las posibilidades de prevenir complicaciones graves. En ese sentido, MEDWACS encaja en una tendencia más amplia de tecnología sanitaria: usar herramientas digitales no para reemplazar a los médicos, sino para ampliar el embudo de personas que ingresan a la atención clínica antes de que la enfermedad sea más difícil y costosa de tratar.
Que esta herramienta específica se adopte ampliamente dependerá de cómo rinda en el uso real, de cuán claramente comunique el riesgo y de si los usuarios con puntuaciones altas realmente siguen adelante con las pruebas médicas. Pero el proyecto muestra dónde la IA práctica en salud puede tener parte de su mayor valor a corto plazo: no en afirmaciones diagnósticas espectaculares, sino en herramientas simples y escalables que ayudan a más personas a darse cuenta de que deberían hacerse un chequeo.
Este artículo se basa en un informe de Medical Xpress. Leer el artículo original.
Originally published on medicalxpress.com
