Desarrollar herramientas de planificación de tratamientos para la diabetes
La DM2, una enfermedad compleja que se caracteriza por niveles altos de glucosa en la sangre, afecta a más de 500 millones de personas en todo el mundo. En 2021, las complicaciones derivadas de esta enfermedad costaron a la economía mundial alrededor de 900 000 millones EUR, una cifra que se espera que aumente aún más en el futuro a medida que la población envejezca y aumenten la obesidad, las dietas poco saludables y la inactividad física. Los pacientes con DM2 tienen diversos grados de resistencia a la insulina y de alteración de la secreción de la insulina, lo cual significa que la intensidad del tratamiento y el uso de los servicios de atención sanitaria son diferentes en cada caso. Es urgente optimizar los tratamientos y el uso de los recursos sanitarios mediante modelos de predicción personalizados en función de las características del paciente. Los hallazgos de un nuevo estudio pueden ayudar a comprender mejor el grupo heterogéneo que forman los pacientes con DM2. El estudio, realizado en el marco del proyecto financiado con fondos europeos HTx, utilizó el aprendizaje automático para identificar a los pacientes con un control deficiente de la glucemia. «La identificación de grupos de pacientes con desafíos en el cuidado de la DM2 proporciona una herramienta que puede ayudar a los facultativos en la planificación de tratamientos posteriores, lo que también ofrece la posibilidad de optimizar el uso de los recursos de la atención sanitaria. Se podría asignar una atención más intensa a los pacientes con problemas en la adecuación de su tratamiento, mientras que aquellos con valores adecuados y óptimos de hemoglobina glicosilada (HbA1c) podrían requerir un control menos frecuente de sus niveles de HbA1c», señalan los autores del estudio. Durante un período de 6 años, los investigadores estudiaron el control de la glucemia en más de 9 600 pacientes con DM2 en la región de Carelia Septentrional (Finlandia). El control de la glucemia de los pacientes se determinó basándose en los niveles de glucosa en sangre a largo plazo, que se estimaron utilizando la HbA1c.
Control adecuado e inadecuado
A partir de los datos, el equipo identificó tres trayectorias de HbA1c a lo largo de 6 años. En el 86,5 % de los casos el control de la glucemia fue estable y adecuado, en el 7,3 % estaba mejorando pero era inadecuado y en el 6,2 % se consideró fluctuante e inadecuado. La asociación entre el control de la glucemia y las características iniciales de los pacientes, los factores clínicos y relacionados con el tratamiento y el nivel socioeconómico se evaluó mediante métodos de aprendizaje automático. Se incluyeron como variables más de doscientas características iniciales. El estudio reveló que el uso de datos sobre la duración de la DM2, los niveles previos de HbA1c, la glucemia en ayunas y el uso de medicamentos antidiabéticos permite identificar de forma fiable a los pacientes con un riesgo persistente de hiperglucemia en cualquier momento de su enfermedad. Esto significa que se puede predecir con seguridad un control inadecuado de la glucemia a partir de los datos que se recopilan de manera rutinaria como parte del control y la gestión estándar de la diabetes. Los autores del estudio HTx (Next Generation Health Technology Assessment to support patient-centred, societally oriented, real-time decision-making on access and reimbursement for health technologies throughout Europe) concluyen: «Nuestros hallazgos sugieren que la heterogeneidad en los resultados del tratamiento a largo plazo puede predecirse a partir de los factores de riesgo únicos del paciente. Esto, a su vez, ofrece una herramienta útil para apoyar la planificación del tratamiento en el futuro. Sin embargo, se necesitan estudios futuros para obtener predicciones todavía más precisas y personalizadas». Para más información, consulte: Sitio web del proyecto HTx
Palabras clave
HTx, diabetes, diabetes de tipo 2, aprendizaje automático, hemoglobina glicosilada, HbA1c, control de la glucemia