Investigadores de la Universidad Politécnica de Madrid (UPM), en colaboración con el Hospital de Sabadell, han desarrollado GlucoP, una herramienta para estimar el valor de glucosa en 30 minutos que puede ayudar al paciente diabético en el control de su enfermedad.
Gracias a los avances experimentados en los dispositivos de medida continua se pueden conseguir actualmente muestras de glucosa en tiempo real. Esto ha permitido desarrollar algoritmos de predicción y control que se han integrado en un dispositivo portátil (PDA) con capacidad de comunicaciones móviles para mejorar el control metabólico de las personas con diabetes. De este modo ha nacido GlucoP.
El Grupo de Bioingeniería y Telemedicina de la UPM y facultativos del Servicio de Endocrinología y Nutrición del Hospital de Sabadell han puesto en marcha el primer estudio clínico que permitirá evaluar la validez de este sistema y su utilidad como herramienta de ayuda a la decisión de los pacientes diabéticos.
Los dispositivos de medida de glucosa actuales son dispositivos mínimamente invasivos, que el propio paciente puede colocarse de forma subcutánea y proporcionan una medida de la glucosa en el fluido intersticial cada pocos minutos. Suelen utilizarse en combinación con dispositivos de infusión continua de glucosa, las llamadas bombas de insulina, para mejorar el control de las personas con diabetes Tipo 1.
El algoritmo de predicción de glucosa está basado en redes neuronales y utiliza como entrada los valores de glucosa proporcionados por los sensores de medida continua. La precisión de este algoritmo ya ha sido probada en estudios retrospectivos1 y ha demostrado ventajas frente a algoritmos desarrollados por otros grupos pioneros en este campo2, especialmente cuando el horizonte de predicción es amplio.
En el estudio clínico que se está llevando a cabo están participando 12 pacientes con diabetes Tipo 1. Los pacientes introducen de forma manual los últimos 5 valores de glucosa proporcionadas por su sensor de medidas continuas (Guardian RT de Minimed-Medtronic) y obtienen la predicción sobre el nivel de glucosa en 30 minutos. En función del resultado toman decisiones sobre si llevarán a cabo alguna acción correctora (administrar insulina o ingerir alimentos) y la registran. Los datos y las decisiones de los pacientes son enviados al hospital por una conexión móvil (GPRS), siendo supervisados por los médicos a través de una aplicación Web.
Este estudio clínico está siendo parcialmente financiado por el proyecto de investigación APRIORI del Fondo de Investigación Sanitarias, por el CIBER en bioingeniería, biomateriales y nanomedicina del Instituto de Salud Carlos III (CIBER-BBN) y a través de una beca de apoyo del grupo de Nuevas Tecnologías de la Sociedad Española de Diabetes (SED). Cabe destacar así mismo la colaboración de la operadora Vodafone en el soporte de las comunicaciones móviles.
[1] C. Pérez-Gandía, M.E. Hernando, C.O. S.Sorzano, A. Otero-Quintana, G. García-Sáez, A. Rodríguez-Herrero, M.Rigla, A. de Leiva, E.J. Gómez,"Neural networks for glucose prediction in continuous glucose monitoring" , 1st Conference on Advanced Technologies & Treatments for Diabetes Praga, (27 Febrero - 1 Marzo), 2008, , Febrero, 2008
Enlaces de interés
The JDRF Artificial Pancreas Project
Más de 40 artículos en las distintas revistas del grupo Nature presentan hoy los resultados parciales del ambicioso proyecto de mapear los 37 200 millones de estas unidades fundamentales de la vida. Una tarea compleja que requiere combinar técnicas de genómica e inteligencia artificial para estudiar con gran resolución las firmas moleculares de un amplio abanico de células, como las que forman la placenta.
La relación entre la contaminación del aire y el aumento del riesgo de desarrollar esta patología y otras demencias no es nueva. Un nuevo trabajo pretende revelar por qué las partículas finas (PM2.5) han sido vinculadas con cambios negativos en la salud cerebral.
