Por: Redacción
‘Glucoracle’ permite al usuario subir las mediciones de la sangre del dedo y una foto de una comida, lo que permite dar una aproximación de datos.
Esta estimación proporciona al usuario una predicción inmediata de los niveles de azúcar en la sangre después de las comidas.
Investigadores desarrollaron un algoritmo personalizado que predice el impacto de determinados alimentos en los niveles de azúcar en la sangre de un individuo, según un nuevo estudio publicado en ‘PLOS Computational Biology’. El algoritmo ha sido integrado en una aplicación, ‘Glucoracle’, que permitirá a las personas con diabetes tipo 2 mantener un control más estricto de sus niveles de glucosa, clave para prevenir o controlar las complicaciones principales de una enfermedad que afecta al 8 por ciento de los estadounidenses.
A menudo se recetan medicamentos para ayudar a los pacientes con diabetes tipo 2 a controlar sus niveles de azúcar en la sangre, pero el ejercicio y la dieta también juegan un papel importante.
Aunque sabemos el efecto general de los diferentes tipos de alimentos sobre la glucosa en la sangre, los efectos detallados pueden variar ampliamente de una persona a otra y para la misma persona en el tiempo”, afirma el auto del trabajo David Albers, investigador asociado en Biomedical Informatics en el Centro Médico de la Universidad de Columbia (CUMC, por sus siglas en inglés), en Estados Unidos.
“Incluso con la orientación de un experto, es difícil para la gente entender el verdadero impacto de sus opciones dietéticas -señala este experto–. Nuestro algoritmo, integrado en una aplicación fácil de usar, predice las consecuencias de ingerir una dieta específica antes de tomarse la comida, lo que permite a las personas tomar mejores decisiones nutricionales durante la hora de comer”.
El algoritmo utiliza una técnica llamada asimilación de datos, en la cual se actualiza regularmente un modelo matemático de la respuesta de una persona a la glucosa con datos observacionales -mediciones de azúcar en sangre e información nutricional– para mejorar las predicciones del modelo, explica George Hripcsak, profesor y catedrático de Informática Biomédica en CUMC. La asimilación de datos se utiliza en una variedad de aplicaciones, en particular la previsión meteorológica.
“El asimilador de datos se actualiza continuamente con la ingesta de alimentos del usuario y las mediciones de glucosa en sangre, personalizando el modelo para ese individuo”, detalla Lena Mamykina, profesora asistente de Informática Biomédica en CUMC, cuyo equipo ha diseñado y desarrollado la aplicación ‘Glucoracle’.
‘Glucoracle’ permite al usuario subir las mediciones de la sangre del dedo y una foto de una comida en particular a la aplicación, junto con una estimación aproximada del contenido nutricional de la comida. Esta estimación proporciona al usuario una predicción inmediata de los niveles de azúcar en la sangre después de las comidas.
La estimación y el pronóstico se ajustan a la precisión y la aplicación comienza a generar predicciones después de haber sido utilizada durante una semana, permitiendo que el asimilador de datos haya aprendido cómo el usuario responde a diferentes alimentos.
TODAVÍA DEBE AFINARSE
Los investigadores inicialmente probaron el asimilador de datos en cinco individuos que usaban la aplicación, incluyendo tres con diabetes tipo 2 y dos sin la enfermedad. Se compararon las predicciones de la aplicación con las mediciones de glucosa en sangre posteriores a las comidas y con las predicciones de formadores certificados de diabetes.
Para los dos individuos no diabéticos, las predicciones de la aplicación eran comparables a las mediciones reales de glucosa. Para los tres sujetos con diabetes, los pronósticos de la aplicación fueron ligeramente menos precisos, posiblemente debido a fluctuaciones en la fisiología de los pacientes con diabetes o error de parámetros, pero todavía eran comparables a las predicciones de los educadores sobre diabetes.
Hay ciertamente espacio para la mejora –reconoce Albers–. Esta evaluación fue diseñada para demostrar que es posible, usando datos de auto-monitoreo de rutina, generar pronósticos de glucosa en tiempo real que las personas podrían usar para tomar mejores decisiones nutricionales. Hemos podido hacer un aspecto de la autogestión de la diabetes más manejable que ha sido casi imposible para las personas con diabetes tipo 2″.
Albers señala que su tarea ahora es mejorar la aplicación. Alentado por estos primeros resultados, el equipo de investigación se está preparando para realizar un ensayo clínico más amplio y estima que la aplicación podría estar lista para su uso generalizado dentro de dos años.
Vía: Excelsior
