Uso de Inteligencia Artificial en la medicina personalizada: prevención, diagnóstico, tratamiento y pronóstico en Diabetes

Por: Isabel San Martín Erice. Enfermera de ANADI.

En el pasado Congreso Nacional de la Sociedad Española de Diabetes (SED) se analizaron las oportunidades que ofrece la medicina de precisión para el tratamiento de la diabetes La medicina personalizada utiliza herramientas capaces de predecir la eficacia de estudios diagnósticos y tratamientos de manera individualizada y precisa a través, entre otras herramientas, de la Inteligencia Artificial (IA) y la investigación genética por medio de la genómica, la epigenética o la farmacogenómica, gracias a lo cual se puede seleccionar qué individuos se beneficiarán de ciertos tratamientos. La genómica se centra en analizar y modificar la estructura completa de los genes de un organismo. En cambio, la epigenética se ocupa de cómo se activan o desactivan los genes debido a factores ambientales, lo que a su vez afecta a las características físicas y biológicas de una persona. En estos casos, los genes pueden expresarse o no, dependiendo del estilo de vida del individuo, lo que retrasa o acelera la manifestación de la enfermedad. La farmacogenómica, por su parte, estudia cómo las diferencias genéticas entre las personas pueden influir en su respuesta a los medicamentos. Gracias a esta información, es posible diseñar tratamientos personalizados que se adapten mejor a las características genéticas de cada individuo y obtener así respuestas más eficaces a los tratamientos pautados.  

El enfoque de la medicina personalizada es especialmente relevante para enfermedades como la diabetes tipo 2 (DT2) que resultan de la interacción de múltiples genes y factores ambientales (como la dieta, el sedentarismo y el tabaquismo) y que son más complejas y difíciles de predecir. Las personas con diabetes tipo 1 (DT1) muestran diferencias en aspectos inmunológicos, inflamatorios, metabólicos, de resistencia a la insulina, adiposidad y velocidad de deterioro de las células beta. La medicina de precisión pone el foco en la clasificación en subgrupos de pacientes con bases moleculares, biomarcadores genéticos, estilo de vida y características clínicas similares; esto permite optimizar los resultados terapéuticos.  

¿Cómo se utiliza la IA en medicina personalizada?

La IA tiene el potencial de revolucionar la medicina de precisión al organizar variables biológicas en categorías que faciliten un análisis y toma de decisiones más precisas y adecuadas a cada individuo, aunque podría también cambiar el enfoque tradicional del diagnóstico basado en la fisiopatología (una herramienta fundamental en la medicina que permite comprender las causas y efectos de las enfermedades a través de la identificación de los síntomas, el uso de pruebas diagnósticas y la emisión de diagnósticos). El aprendizaje profundo, conocido también como Deep Learning, es una rama del aprendizaje automático (Machine Learning) y de la inteligencia artificial (IA). Utiliza redes neuronales artificiales que simulan el funcionamiento del cerebro humano para manejar grandes volúmenes de datos y aprender de ellos. Estas redes están formadas por varias capas de neuronas artificiales, lo que les permite reconocer patrones complejos y llevar a cabo tareas como el reconocimiento de imágenes, el procesamiento del lenguaje natural y la predicción de resultados. Este enfoque va más allá del pensamiento clínico tradicional, utilizando características de cada paciente y resultados clínicos. En el ámbito médico, el Deep Learning tiene diversas aplicaciones que están revolucionando la forma en que se diagnostican y tratan las enfermedades; desde el análisis de imágenes médicas como radiografías o resonancias magnéticas, ayudando a detectar anomalías y enfermedades con mayor precisión y rapidez que los métodos tradicionales, hasta la predicción de enfermedades utilizando grandes conjuntos de datos médicos, que permite una intervención temprana. En el ámbito de la medicina personalizada, los algoritmos de Deep Learning pueden analizar datos genéticos y clínicos para desarrollar tratamientos personalizados para cada paciente, mejorando así la eficacia de los tratamientos y reduciendo efectos secundarios en enfermedades crónicas como la diabetes.  

Los programas de IA están transformando la práctica médica mediante la capacidad de leer la vasta literatura científica y recopilar enormes cantidades de datos de registros médicos electrónicos. Esto puede optimizar la atención a pacientes con diabetes, sugiriendo terapias más precisas y reduciendo errores. La Medicina Personalizada supone un cambio en el paradigma del abordaje de esta enfermedad, ofreciendo nuevas oportunidades para la prevención, diagnóstico, tratamiento y pronóstico de la diabetes. A continuación, vemos cómo:

Prevención

La prevención de la diabetes se ha beneficiado enormemente de la IA. Los algoritmos de aprendizaje automático pueden analizar grandes volúmenes de datos genéticos, clínicos y de estilo de vida para identificar individuos en riesgo de desarrollar diabetes. Estos modelos predictivos permiten la implementación de intervenciones tempranas y personalizadas, como cambios en la dieta y el ejercicio, que pueden retrasar o prevenir la aparición de la enfermedad. La prevención de precisión en diabetes tipo 1 se centra en optimizar los métodos de monitoreo para facilitar la detección temprana e intervención oportuna. En la diabetes tipo 2, la prevención puede incluir modificaciones del estilo de vida adaptadas a los factores de riesgo individuales, lo que ofrece amplias oportunidades para prevenir la enfermedad. 

Diagnóstico

El diagnóstico de la diabetes también ha mejorado con el uso de la IA. Las herramientas de análisis de datos pueden detectar patrones en los niveles de glucosa en sangre y otros biomarcadores que son indicativos de diabetes. Además, la IA puede ayudar a clasificar los diferentes tipos de diabetes, lo que es crucial para determinar el tratamiento más adecuado para cada paciente. El diagnóstico de precisión en diabetes utiliza una combinación de características clínicas, anticuerpos circulantes e información genética para predecir mejor los resultados a largo plazo. Un ejemplo exitoso es la diabetes monogénica, donde mutaciones genéticas específicas conducen a la enfermedad y su diagnóstico preciso ha sido integrado en la atención clínica de rutina. 

Tratamiento

En cuanto al tratamiento, la medicina personalizada permite adaptar las terapias a las características individuales de cada paciente. La IA puede analizar datos genómicos y clínicos para predecir cómo responderá un paciente a ciertos medicamentos, permitiendo así la selección de la terapia más efectiva con menos efectos secundarios. Esto es especialmente importante en el manejo de la diabetes tipo 2, donde las respuestas a los tratamientos pueden variar significativamente entre los pacientes. En el tratamiento de la diabetes, los avances tecnológicos han sido cruciales. Los dispositivos de monitorización continua de glucosa, las bombas de insulina y los sistemas de asa cerrada han mejorado significativamente el manejo de la DT1. Además, se han desarrollado tratamientos específicos para formas monogénicas de DT2 que responden bien a ciertos antidiabéticos orales, como las sulfonilureas. 

Pronóstico

l pronóstico de la diabetes también se ha visto mejorado gracias a la IA. Los modelos predictivos pueden evaluar la probabilidad de complicaciones a largo plazo, como enfermedades cardiovasculares y neuropatías, basándose en datos históricos y actuales del paciente. Esto permite a los médicos tomar decisiones informadas sobre el manejo a largo plazo de la enfermedad y ajustar los tratamientos según sea necesario. La comprensión de la heterogeneidad de la DT2 mediante el mapeo de fenotipos clínicos y moleculares puede conducir a enfoques terapéuticos más precisos. Además, el desarrollo de algoritmos diagnósticos para definir subtipos de diabetes permitirá determinar las intervenciones más efectivas. 

Desafíos en la implementación

La implementación de la medicina de precisión enfrenta varios desafíos. Existen disparidades en el acceso a diagnósticos y terapias de precisión, y la integración de estos enfoques en la práctica clínica rutinaria es compleja. También es necesario educar y capacitar a l@s profesionales de la salud en el uso de estas herramientas y abordar las consideraciones regulatorias y económicas para nuevas pruebas y tratamientos. La colaboración entre los profesionales de la salud, pacientes, legislador@s e investigador@s es esencial para superar estos desafíos. 

Conclusión

A medio plazo, estas tecnologías ofrecen un nuevo enfoque para gestionar la diabetes, ayudando a l@s profesionales de la salud a tomar mejores decisiones y aumentando la autonomía de l@s pacientes. La integración de la inteligencia artificial en la medicina personalizada está transformando el abordaje de la diabetes. Desde la prevención hasta el pronóstico, la IA ofrece herramientas poderosas para mejorar la precisión y efectividad de las intervenciones médicas. A medida que la tecnología continúa avanzando, es probable que veamos aún más innovaciones que mejoren la calidad de vida de las personas con diabetes. El potencial de la medicina de precisión para mejorar el cuidado de la diabetes es vasto. Sin embargo, para implementar con éxito estos avances y mejorar los resultados de l@s pacientes a nivel mundial, es crucial superar los desafíos mencionados. La investigación continua y el compromiso de todas las partes interesadas serán clave para lograr una atención más eficaz y personalizada para las personas con diabetes.

REFERENCIAS

https://www.sediabetes.org/comunicacion/sala-de-prensa/la-medicina-de-personalizada-en-diabetes-una-oportunidad-de-mejora-que-empuja-a-modificar-la-clasificacion-actual-de-la-diabetes

https://www.revistadiabetes.org/tratamiento/medicina-personalizada-medicina-de-precision-machine-learning-en-personas-con-diabetes

Wendy K. Chung, Karel Erion, José C. Florez, Andrew T. Hattersley, Marie-France Hivert, Christine G. Lee, Mark I. McCarthy, John J. Nolan, Jill M. Norris, Ewan R. Pearson, Louis Philipson, Allison T. McElvaine, William T. Cefalu, Stephen S. Rich, Paul W. Franks; Precision Medicine in Diabetes: A Consensus Report From the American Diabetes Association (ADA) and the European Association for the Study of Diabetes (EASD). Diabetes Care 1 July 2020; 43 (7): 1617–1635. https://doi.org/10.2337/dci20-0022

Barrot de la Puente, J. (2022). La medicina de precisión en diabetes es posible. Diabetes práctica, 13(1), 1-52. https://doi.org/10.52102/diabet/pract/2022.1/art1