Un nuevo sistema que integra modelos matemáticos y estadísticos permite la detección precoz y personalizada de la Diabetes Tipo 2 (DT2) a partir de la historia clínica electrónica de cada paciente.
Desarrollado por investigadores de la Universidad Politécnica de Valencia (UPV) y la empresa Tecnologías para la Salud y el Bienestar (TSB), en colaboración con el Servicio de Endocrinología y Nutrición del Hospital La Fe de Valencia, el nuevo sistema se encuentra en fase de pruebas en este hospital y en el Fondazione Salvatora Maugeri de Pavía (Italia).
Detección precoz diabetes tipo 2
Fuentes de la UPV y La Fe han explicado que el nuevo sistema, desarrollado en el marco del proyecto europeo MOSAIC, ayudaría a los profesionales sanitarios a detectar casos de forma anticipada y actuar a tiempo para prevenir la aparición de esta enfermedad. Una detección precoz en toda regla, necesaria para frenar la diabetes tipo 2 ante sus primeros síntomas.
Según apuntaron desde el grupo de investigación SABIEN del Instituto ITACA de la UPV, más del 90 % de personas con diabetes tiene un diagnóstico de Diabetes Tipo 2, es decir la gran mayoría, y la OMS estima que en 2030 habrá cerca de 550 millones de personas con este diagnóstico. “Se trata de una patología muy común cuya aparición puede ser retrasada e incluso prevenida si se actúa a tiempo”, señaló Antonio Martínez Millana, doctorando en el Instituto ITACA de la UPV y jefe de proyecto en la empresa TSB.
Martínez Millana explicó que actualmente no existen mecanismos de detección precoz de la aparición de DT2 y su diagnóstico se relega a la aparición de resultados anómalos en analíticas y está enfocado a identificar grupos que ya presentan una significativa prevalencia de complicaciones microvasculares. “Esto sugiere que los métodos actuales para diagnosticar no tienen la capacidad de detectar síntomas precoces de DT2”, apuntó.
Este nuevo sistema de detección precoz permite la estratificación continua y automatizada de la población en riesgo de padecer diabetes tipo 2 u otras complicaciones asociadas, conjugando en los mismos modelos factores como la nutrición o actividad física de cada paciente con datos clínicos y biológicos considerados actualmente en la mayoría de los análisis.
“El sistema se compone de varios módulos y una serie de interfaces web, a la que pueden acceder los diferentes agentes implicados en el seguimiento de pacientes, desde los propios facultativos, hasta los gestores del centro hospitalario e investigadores”, indicó. Cada paciente identificado con riesgo medio-alto, -destacó Martínez Millana-, “es marcado y agrupado en una lista de revisión prioritaria, facilitando así la labor a los médicos”.
Los investigadores han creado herramientas diferenciadas que permiten conocer el riesgo de desarrollar DT2 para cada individuo y analizar así qué segmento de la población está en riesgo de desarrollar la enfermedad. Además, permite obtener informes personalizados para cada paciente sobre la gestión de las complicaciones que haya desarrollado o pudiera desarrollar a lo largo del proceso clínico. Los resultados preliminares del sistema se presentaron en la Conferencia Anual de la IEEE Engineering in Medicine and Biology Society, celebrada el pasado agosto en Milán.
