Artículo que analiza las posibles aplicaciones del monitoreo continuo de glucosa combinado con la inteligencia artificial en el manejo de la prediabetes
Lugones Editorial©
La prediabetes representa una etapa temprana del trastorno del metabolismo de la glucosa con implicaciones significativas para la salud pública. En este sentido, las posibles aplicaciones del monitoreo continuo de glucosa combinado con la inteligencia artificial resultarían un gran aporte para el manejo de la prediabetes.
La prediabetes se caracteriza por niveles de glucosa en sangre más altos de lo normal, pero no lo suficientemente altos como para ser diagnosticado como diabetes, y aumenta significativamente el riesgo de desarrollar diabetes tipo 2 (DM2), enfermedades cardíacas y accidentes cerebrovasculares.
Aunque las intervenciones tradicionales del estilo de vida demostraron cierta eficacia para prevenir la progresión a la DM2, sus limitaciones, como la falta de personalización, el monitoreo restringido en tiempo real y la intervención retrasada, son cada vez más evidentes.
La prediabetes subraya la necesidad de explorar e implementar activamente estrategias efectivas de prevención y control
Hacia un nuevo manejo de la prediabetes
El manejo tradicional de la prediabetes generalmente incluye intervenciones de estilo de vida, que son más efectivas, y a veces incluye tratamientos farmacológicos. Sin embargo, estos métodos todavía tienen limitaciones, como la falta de personalización, la dificultad para abordar los problemas de comportamiento y psicológicos de los pacientes, el monitoreo insuficiente y las intervenciones retrasadas.
Para superar estas limitaciones, los enfoques innovadores son cruciales, particularmente estrategias personalizadas, tecnologías avanzadas y conocimientos basados en datos.
En este sentido, la combinación del monitoreo continuo de glucosa (MCG) y la tecnología de la inteligencia artificial (IA) ofrecería una solución prometedora para el manejo y la prevención de la prediabetes.
Los autores del presente artículo enfatizan la aplicación de la integración MCG-IA específicamente en el contexto de la prediabetes, una etapa a menudo subrepresentada en la literatura actual. Además, esta perspectiva destaca las estrategias de implementación, el empoderamiento del paciente y la integración del sistema de salud, ofreciendo una visión más amplia más allá del rendimiento algorítmico.
En este enfoque, el sistema de MCG integrado con IA proporciona un monitoreo continuo de la glucosa sin precedentes e impulsa intervenciones terapéuticas personalizadas a través del análisis de datos, con una precisión que incluso supera la de los indicadores primarios tradicionales, optimizando así las estrategias para el manejo y la prevención de la prediabetes.
La combinación del MCG y la inteligencia artificial ofrecería una solución prometedora para el manejo y la prevención de la prediabetes
Perspectiva de precisión: las ventajas del MCG combinadas con la IA
La combinación del MCG y la IA ofrece ventajas significativas en tres áreas de la prediabetes: diagnóstico, manejo y apoyo clínico. Esta integración permite un enfoque más preciso y personalizado para la detección temprana y la intervención en individuos con riesgo de desarrollar DM2.
- Diagnóstico. Incluso pequeños aumentos de glucosa en ayunas (>4,9 mmol/L) se asocian con mayor resistencia a la insulina y un riesgo duplicado de desarrollar DM, lo que subraya la importancia de identificar este rango crítico para la intervención temprana. Los métodos tradicionales, como la glucosa en ayunas y la prueba de tolerancia oral a la glucosa, presentan limitaciones para detectar la variabilidad glucémica y la prediabetes inicial. En este contexto, el MCG proporciona monitoreo continuo en tiempo real, capturando fluctuaciones y patrones que los métodos convencionales no detectan. Al combinarse con IA, particularmente aprendizaje automático y profundo, los datos del MCG permiten predecir con precisión los niveles postprandiales, identificar patrones sutiles asociados con el riesgo de diabetes y generar “huellas digitales” de glucosa que facilitan un diagnóstico más exacto.
Procesos de “Identificación precisa de la recopilación de datos del MCG con ‘huellas dactilares'”, “Intervenciones de la IA para la gestión personalizada” y “Práctica clínica auxiliar” para mejorar el apoyo a la toma de decisiones”
- Gestión. Una vez identificados los pacientes con prediabetes, los datos de glucosa en tiempo real del MCG, combinados con IA, permiten desarrollar planes de manejo personalizados que consideran la variabilidad intradía y las tendencias a largo plazo de glucosa. Estudios recientes muestran que las dietas posprandiales individualizadas (PPT) tienen un efecto superior sobre el control glucémico y la salud metabólica en comparación con dietas estándar, y los biomarcadores relacionados refuerzan estos hallazgos. Además, los algoritmos de IA pueden predecir la eficacia de distintas intervenciones según características individuales, optimizando las estrategias de manejo y mejorando la adherencia y satisfacción del paciente.
- Apoyo clínico. En la práctica clínica, la combinación del MCG y la IA proporciona un apoyo sólido para la toma de decisiones, permitiendo ajustes oportunos frente a fluctuaciones glucémicas y previniendo complicaciones. Los pacientes pueden acceder a sus datos en tiempo real mediante aplicaciones móviles, mejorando la autogestión y la comunicación con los profesionales de salud. El MCG ofrece lecturas continuas y detalladas, identificando patrones que podrían pasar desapercibidos con el autocontrol convencional, como hipoglucemia nocturna o picos postprandiales. La integración de datos de MCG con información clínica adicional permite decisiones terapéuticas personalizadas, mejorando el control glucémico, la adherencia al tratamiento y la posibilidad de telemedicina y monitoreo remoto.
Los pacientes pueden acceder a sus datos en tiempo real mediante aplicaciones móviles, mejorando la autogestión y la comunicación con los profesionales de salud
Estrategia de proceso de salud. Gestión del MCG habilitada por la IA
Con el rápido desarrollo de la tecnología de IA, su aplicación en el campo del MCG se está profundizando progresivamente, lo que genera cambios revolucionarios en el manejo de la DM.
- Plan de gestión personalizado. En el manejo de la prediabetes, la medicina de precisión está empezando a trasladarse de la teoría a la práctica mediante planes de gestión personalizados. El uso del MCG junto con IA permite adaptar las intervenciones dietéticas, de ejercicio y farmacológicas a cada paciente, incorporando datos fisiológicos, estilo de vida y preferencias individuales. La IA puede analizar patrones de glucosa para identificar alimentos específicos que causan fluctuaciones, recomendar ajustes de ejercicio y optimizar tratamientos farmacológicos, aumentando el compromiso del paciente y reduciendo el riesgo de progresión a la DM2. La integración con modelos de lenguaje grande (LLM) también permite mejorar la resolución de problemas de los datos de MCG y optimizar los planes personalizados.
Integración innovadora y la aplicación del plan de gestión personalizado, el monitoreo remoto y la toma de decisiones compartidas de Intervención en la gestión moderna de la atención médica.
- Monitoreo e intervención remotos. La combinación del MCG y la IA basada en la nube permite monitoreo remoto en tiempo real, capturando patrones clave como la hiperglucemia posprandial y el fenómeno del amanecer, ambos indicadores tempranos de riesgo de DM2. Esta integración proporciona alertas rápidas y estrategias de intervención personalizadas, mejorando la prevención de progresión de la enfermedad. Además, los datos de glucosa en tiempo real permiten a los equipos médicos implementar ajustes oportunos en dieta, ejercicio y medicación, mientras que los servicios en la nube mejoran la accesibilidad, reducen la necesidad de visitas presenciales y optimizan los costos de atención.
- Toma de decisiones compartida. La toma de decisiones compartida, apoyada por MCG e IA, fortalece la participación del paciente y permite un manejo más personalizado de la prediabetes. La tecnología proporciona datos en tiempo real y retroalimentación dinámica que ayudan a los pacientes a comprender cómo sus hábitos influyen en los niveles de glucosa. Los algoritmos de IA utilizan análisis de big data para ofrecer recomendaciones personalizadas, mejorando la adherencia, la alfabetización sanitaria y la calidad de vida. Este enfoque cambia el modelo tradicional “prescriptivo” a uno colaborativo, más eficiente y preciso, en el que los pacientes participan activamente en su cuidado.
Principales desafíos
- Integración de datos: combinar información del MCG con datos demográficos, hábitos de vida, historial médico y planes de tratamiento sigue siendo complejo. La interoperabilidad entre dispositivos de actividad física y CGM es también un reto.
- Seguridad y privacidad: la incorporación de blockchain puede garantizar un registro inmutable, trazable y seguro de los datos del paciente, permitiendo acceso controlado y protección frente a manipulaciones.
- Algoritmos de IA: requieren grandes conjuntos de datos diversos para predecir fluctuaciones glucémicas y personalizar recomendaciones, considerando diferencias individuales de cada paciente. Las técnicas de IA explicable (XAI) mejoran la transparencia y la confianza en las decisiones algorítmicas.
A esto se suman, consideraciones normativas y éticas, y los desafíos de implementación en los países de ingresos bajos y medianos.
El uso de dispositivos portátiles y MCG se proyecta que se multiplique en los próximos 5 años
Perspectivas futuras
- Desarrollo de sistemas de circuito cerrado más inteligentes que ajusten automáticamente insulina según datos en tiempo real.
- Integración de asistentes virtuales de IA para soporte de salud personalizada y seguimiento psicológico continuo.
- Inclusión de determinantes sociales de la salud para un manejo más integral de la prediabetes y diabetes.
- Optimización de la adopción de MCG-IA y blockchain para garantizar seguridad de datos, confianza y escalabilidad global.
- Reducción de barreras de costo e infraestructura en países de ingresos bajos y medianos mediante dispositivos modulares y programas subvencionados, demostrando efectividad y costo-efectividad a largo plazo.
Conclusiones
La fusión de blockchain e IA en los sistemas de MCG ofrece un enfoque transformador para el manejo de la DM, asegurando la seguridad de los datos, promoviendo la confianza y permitiendo el intercambio de datos sin problemas.
Se destaca la importancia de la investigación futura centrada en optimizar el uso de blockchain en la atención médica, abordar los desafíos de escalabilidad y validar su efectividad a través de ensayos multicéntricos.
Para hacer realidad esta visión, se enfatiza la necesidad de colaboración entre investigadores, profesionales de la salud y responsables políticos para superar los desafíos técnicos y desbloquear el tremendo potencial de estas tecnologías transformadoras, aportando en última instancia beneficios y esperanza sin precedentes a los pacientes con diabetes en todo el mundo.
La fusión de blockchain e IA en los sistemas de MCG ofrece un enfoque transformador para el manejo de la DM
Prediabetes y monitoreo continuo de glucosa
Fuente
Ji C, Jiang T, Liu L, Zhang J, et al. Continuous glucose monitoring combined with artificial intelligence: redefining the pathway for prediabetes management. Front. Endocrinol 2025;16.
