Método no invasivo para diagnóstico de diabetes


Una nueva investigación publicada en la versión electrónica de Nature Medicina de agosto,¹ da a conocer una aplicación para teléfono inteligente (Azumio Instant Heart Rate) que puede ser un método no invasivo para identificar individuos con diabetes al detectar un "biomarcador digital" de cambios vasculares,

Los investigadores, pertenecientes al Department of Medicine and Cardiovascular Research Institute, de la University of California en San Francisco, Estados Unidos, utilizaron fotopletismografía, técnica óptica que detecta cambios en el flujo sanguíneo por un lecho vascular al aplicar un haz de luz en el tejido, de la misma forma en la punta de un dedo o en la muñeca y cuantifica la luz retrodispersada que corresponde a los cambios en el volumen sanguíneo. La fotopletismografía ya se utiliza clínicamente para medir la frecuencia cardiaca y la saturación de oxígeno en la sangre periférica, los avances tecnológicos ahora permiten la medición por medio de fotopletismografía a través de una cámara y una lámpara de teléfono inteligente.

La diabetes puede ser asintomática por un periodo prolongado de tiempo, por lo que es mucho más difícil de diagnosticar. Hasta la fecha se carece de herramientas no invasivas y ampliamente escalables para detectar diabetes, lo que nos motivó a desarrollar este algoritmo, indicaron los investigadores.

Los científicos señalaron que, a nivel global, a la mitad de las personas que padecen diabetes no se le ha hecho el diagnóstico (aproximadamente 224 millones), de los cuales el 79% vive en países de bajos y medianos ingresos. La rápida adopción mundial de dispositivos inteligentes durante la última década, brinda una oportunidad para desarrollar biomarcadores digitales no invasivos, ampliamente escalables, para enfermedades como la diabetes.

Utilizando datos de tres cohortes diferentes, los autores desarrollaron una red neural profunda para detectar patrones captados por la fotopletismografía a partir de manifestaciones comunes de la diabetes, como disfunción endotelial, rigidez arterial y neuropatía. Los autores añadieron factores clínicos como edad, género, raza/grupo étnico e índice de masa corporal, que mejoran la predicción de la diabetes.

Los investigadores demostraron que la fotopletismografía registrada utilizando el teléfono inteligente del consumidor puede proporcionar un biomarcador digital de diabetes prevalente fácilmente obtenible, que es independiente de los factores de riesgo estándar y de los trastornos concomitantes. La captura a distancia de información de fotopletismografía predictiva de diabetes proveniente de usuarios ambulatorios es factible y proporciona un complemento fácilmente escalable, no invasivo, para la predicción del riesgo de diabetes.

La cohorte "principal" consistió en 53.870 participantes del estudio Health eHeart, con más de 2,5 millones de registros de fotopletismografía durante un periodo de 4 años. De ellos, 6,6% (3.564) autonotificó diabetes. En este grupo la sensibilidad de la red neural profunda para detectar diabetes fue de 75%, la especificidad de 65%, el valor predictivo positivo de 13% y el valor predictivo negativo de 97%.

En una segunda cohorte "contemporánea" de 7.806 participantes (reclutados en el Health eHeart del 1 de mayo al 31 de diciembre de 2018) los valores fueron: 81% (sensibilidad), 54% (especificidad), 14,5% (valor predictivo positivo) y 96,7% (valor predictivo negativo).

Se observaron resultados similares en una tercera cohorte "clínica" de 181 pacientes consecutivos remitidos a tres clínicas de prevención cardiovascular (dos en San Francisco, una en Montreal) entre el 1 de noviembre de 2018 y el 30 de julio de 2019, al igual que en un análisis de sensibilidad que incluyó solo individuos con diabetes confirmada mediante análisis de laboratorio.

El desempeño de la red neural profunda, llamado puntuación de red neural profunda, se mantuvo independientemente predictivo de diabetes después del ajuste con respecto a edad, género, raza/grupo étnico e índice de masa corporal. La puntuación en red neural profunda también se relacionó de forma significativa y positiva con la hemoglobina glucosilada (p ≤ 0,001).

El desempeño del algoritmo es equivalente a otras pruebas de uso común, como mamografía para cáncer de mama y citología cervicouterina para cáncer cervicouterino.

Un biomarcador digital de diabetes no invasivo y fácilmente obtenible podría ayudar en la detección de la enfermedad, identificando individuos en riesgo que se beneficiarían de pruebas diagnósticas confirmadoras utilizando datos de la hemoglobina glucosilada. Tal herramienta tendría particular impacto en poblaciones no bien atendidas y en aquellas que están fuera del alcance de la atención médica tradicional, concluyeron los investigadores

Referencia

1. Avram R, Olgin JE, Kuhar P, Hughes JW, y cols. A digital biomarker of diabetes from smartphone-based vascular signals. Nat Med. 17 Ago 2020. doi: 10.1038/s41591-020-1010-5. PMID: 32807931. Fuente

© 2019 Primera revista médica y de la salud ecuatoriana