Revisión de la literatura acerca de las transformaciones impulsadas por la inteligencia artificial en el cuidado de la diabetes
Lugones Editorial©
Actualmente la inteligencia artificial se usa para el diagnóstico de enfermedades, la predicción de nuevos inicios, el tratamiento personalizado y el desarrollo médico. Asimismo, resulta una herramienta clave para el cuidado de la diabetes.
Aplicaciones de la IA en el cuidado de la diabetes
- Diagnóstico de diabetes y sus subtipos. Basado en el perfil glucémico de un individuo, la IA puede diagnosticar la diabetes (DM), y también puede clasificar la DM1, DM2 y la diabetes mellitus gestacional (DMG) con la precisión del nivel del médico.
- Predicción temprana de la diabetes. La aparición de la DM se puede predecir mediante varios algoritmos entrenados en datos de registros electrónicos de salud, especialmente prediciendo la DMG durante el embarazo temprano
- Control glucémico. Las bombas de insulina integradas en IA se utilizan en un gran número de estudios que automatizan las tasas de infusión de insulina según el monitoreo continuo de glucosa (MCG).
- Predicción de eventos glucémicos. La hiperglucemia o la hipoglucemia también se pueden predecir basándose en los datos del MCG por los algoritmos de IA. Esta técnica también está disponible para uso comercial.
La hiperglucemia o la hipoglucemia también se pueden predecir basándose en los datos del monitoreo continuo de glucosa por algoritmos de inteligencia artificial
- Identificación de marcadores novedosos. Los modelos de IA identifican varios predictores de diabetes, como la edad, la cintura, el IMC, la hipertensión, etc.
- Predicción de la retinopatía por diabetes. Los riesgos de la retinopatía diabética también se pueden predecir utilizando el conjunto de datos clínicos, lo que ayuda a iniciar el manejo temprano
- Diagnóstico de complicaciones de la diabetes. Las complicaciones graves, como el pie diabético, la retinopatía diabética y los pacientes en riesgo de hospitalización, también se pueden identificar mediante varios enfoques de IA/ML utilizados en varios estudios.
Los riesgos de la retinopatía diabética también se pueden predecir utilizando el conjunto de datos clínicos, lo que ayuda a iniciar el manejo temprano
Aplicaciones de la IA en el diagnóstico de la diabetes
La diabetes todavía se diagnostica convencionalmente a través de niveles de glucosa en ayunas y niveles aleatorios de glucosa. Una de las aplicaciones más fundamentales de la IA en medicina es automatizar la detección y el diagnóstico de enfermedades con una precisión mayor o comparable con los médicos.
Los sistemas de diagnóstico de diabetes basados en la IA no solo pueden identificar la diabetes, sino también clasificar los subtipos de diabetes.
Aplicaciones de la inteligencia artificial en el diagnóstico de diabetes
En este sentido, con respecto a las aplicaciones de la IA en el diagnóstico de la DM, los autores destacan:
- El aprendizaje automático.
- La detección de diabetes no invasiva mediante la IA.
- El aprendizaje profundo para el diagnóstico de la diabetes.
- Inteligencia artificial para la predicción de diabetes gestacional (DMG).
Gracias a la inteligencia artificial es posible predecir la diabetes mellitus gestacional
Aplicaciones de la IA en el manejo de la diabetes
La IA se utiliza cada vez más en la industria de la salud, particularmente en las áreas de diagnóstico temprano, gestión y terapia.
Cuando el cuerpo no puede producir suficiente insulina o usarla adecuadamente para controlar los niveles de glucosa en sangre, se desarrolla la diabetes. El aumento de posibles consecuencias, incluyendo insuficiencia renal, daño nervioso, ceguera, accidente cerebrovascular y ataque cardíaco, se asocian con la diabetes.
En el manejo de la diabetes, las áreas de enfoque incluyen dispositivos portátiles impulsados por IA y aplicaciones móviles, bombas de insulina asistidas por IA y atención personalizada.
Aplicaciones de la inteligencia artificial en el manejo de la diabetes
Algunos ejemplos del uso de la IA en el manejo de la DM son:
- Aplicaciones de teléfonos inteligentes impulsadas por IA para el manejo de la diabetes.
- Gestión remota del MCG utilizando aplicaciones de IA.
- Monitoreo continuo de glucosa e IA.
- Monitoreo de glucosa en sangre no invasivo usando dispositivos portátiles.
- Bombas de insulina asistidas por IA y páncreas artificial.
- IA para el cálculo de la dosis de la bomba de insulina.
- Sistemas híbridos de páncreas artificial de circuito cerrado.
- Sistemas de circuito cerrado adaptativos.
- Estudios comparativos de sistemas de circuito cerrado.
- Aprendizaje de refuerzo para bombas de insulina.
Una aplicación de la inteligencia artificial es el monitoreo de glucosa en sangre no invasivo usando dispositivos portátiles
Predicciones de resultados de pacientes basadas en IA en la diabetes
La IA puede resultar muy útil para predecir resultados de tratamiento, como programa digital para la prevención de la diabetes, incluso para predecir riesgos de úlcera de pie diabético o de eventos de hiper/hipoglucemia y detección de la retinopatía diabética. Asimismo, puede brindar recomendaciones de dosis de insulina basadas en IA
Desafíos de la IA
- Limitaciones de datos. Los datos insuficientes, los conjuntos de datos sesgados o sesgados y la calidad variable de las imágenes médicas pueden conducir a una mala generalización, sesgos de algoritmos y un diagnóstico inexacto. Los errores en el etiquetado de datos también dificultan la capacidad de los modelos para hacer predicciones confiables. Además, los modelos de IA carecen de la capacidad de calificar la gravedad de varias complicaciones de la diabetes, como la retinopatía diabética y las úlceras del pie diabético, lo cual es crucial para la toma de decisiones clínicas y el tratamiento.
- Desafíos de integración clínica. Aunque la IA realizó un progreso significativo, los algoritmos de IA aún necesitan un mayor refinamiento para predicciones precisas en diversos escenarios clínicos. La integración de la IA en los flujos de trabajo clínicos existentes es esencial para la adopción generalizada de dispositivos de IA.
Direcciones futuras de la IA en el cuidado de la diabetes
- Mejoras de datos. Es necesario superar las limitaciones de los datos. Las colaboraciones de múltiples organizaciones pueden ayudar a crear conjuntos de datos grandes y diversos esenciales para la capacitación de los modelos de IA.
- Modelos de IA multimodal. Los modelos de IA, que no solo proporcionan predicciones, sino que también describen el proceso patológico subyacente, son cruciales para generar confianza en el médico y el paciente. Los modelos multimodales de IA que incorporan diversos tipos de datos como imágenes, genómica y presentaciones clínicas pueden mejorar la precisión diagnóstica de las complicaciones diabéticas y su gravedad, permitiendo un tratamiento personalizado.
- Enfoque interdisciplinario. La investigación futura debe priorizar la colaboración interdisciplinaria entre informáticos, endocrinólogos, analistas de datos y grupos de defensa de pacientes. Este enfoque puede conducir a soluciones para la diabetes basadas en la IA que no solo son técnicamente avanzadas, sino también clínicamente relevantes y centradas en el paciente.
- Validación clínica y aplicaciones de IA centradas en el paciente. La implementación práctica y la monitorización continua de estos modelos de IA en entornos clínicos son cruciales para validar su eficacia, fiabilidad e integración en los flujos de trabajo clínicos. Gracias a la investigación continua, las tecnologías de la IA evolucionan con el tiempo y la incorporación de la retroalimentación de aplicaciones prácticas permite perfeccionar y mejorar el rendimiento de los modelos. Se deben priorizar las aplicaciones de IA centradas en el paciente, empoderando a los pacientes mediante dispositivos portátiles que facilitan la autogestión y la detección temprana de posibles complicaciones.
Los modelos multimodales de IA que incorporan diversos tipos de datos pueden mejorar la precisión diagnóstica de las complicaciones diabéticas y su gravedad
Conclusiones
- Se han aplicado algoritmos de aprendizaje automático (ML) como k-vecino más cercano, máquina de vectores de soporte, Bayes ingenuo, aumento de gradientes para desarrollar sistemas de clasificación para el diagnóstico de diabetes con hasta un 99 % de precisión.
- Los algoritmos de aprendizaje profundo (DL) como las redes neuronales recurrentes, las redes neuronales convolucionales, LSTM, etc. han superado a los modelos convencionales de ML en la detección de diabetes.
- La IA también puede diferenciar entre varios tipos de diabetes, como la DM1, la DM2 y la DMG.
- Nuevos enfoques como la apariencia de la lengua y la presión del pulso de la medicina tradicional china se combinan con la ML han demostrado buenos resultados para la detección de diabetes no invasiva.
- Las aplicaciones móviles y los dispositivos portátiles impulsados por IA también pueden proporcionar monitoreo de glucosa en tiempo real, retroalimentación personalizada y recomendaciones de dosificación de insulina a los pacientes con diabetes.
- Los sistemas pancreáticos de circuito cerrado basados en IA también pueden automatizar la administración de insulina utilizando bombas de insulina y monitoreo continuo de glucosa.
Una de las aplicaciones más fundamentales de la IA es automatizar la detección y el diagnóstico de enfermedades con una precisión mayor o comparable con los médicos
Inteligencia artificial en el cuidado de la diabetes
Fuente
Iftikhar M, Saqib M, Qayyum NS, et al. Artificial intelligence-driven transformations in diabetes care: a comprehensive literature review. Ann Med Surg (Lond). 2024 Jul 23;86(9):5334-5342.
