Aplicación para teléfono inteligente puede ayudar a detectar diabetes

  • Miriam Tucker

  • Noticias Médicas de Medscape
El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Una aplicación para teléfono inteligente (Azumio Instant Heart Rate) puede ser un método no invasivo para identificar individuos con diabetes al detectar un "biomarcador digital" de cambios vasculares, señala nueva investigación.[1]

Los hallazgos fueron publicados el 17 de agosto en la versión electrónica de Nature Medicine por el Dr. Robert Avram, del Department of Medicine and Cardiovascular Research Institute, de la University of California en San Francisco, Estados Unidos, y sus colaboradores.

El método utiliza 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 que 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, y 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 para un periodo prolongado, 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", indicó el Dr. Avram en una declaración de la University of California en San Francisco.

Primeramente informó sobre los resultados preliminares de la aplicación en un pequeño número de pacientes en el Congreso del American College of Cardiology (ACC) de 2019, según se reportó en Medscape Noticias Médicas.

La amplia disponibilidad de teléfonos inteligentes brinda oportunidades

Los investigadores señalaron que a nivel global, a la mitad de las personas que padecen diabetes no se le ha hecho el diagnóstico (aproximadamente 224 millones), y 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", puntualizaron.

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. Añadir factores clínicos como edad, género, raza/grupo étnico e índice de masa corporal, también mejora la predicción de la diabetes.

"Demostramos 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", escribieron.

"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 (los recién reclutados en Health eHeart del 1 de mayo al 31 de diciembre de 2018) esos 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 del algoritmo es equivalente a la mamografía y a la citología cervicouterina

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, afirmaron los autores.

"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.

El estudio fue financiado por Fonds de la recherche en santé du Quèbec; el National Heart, Lung, and Blood Institute; el National Institutes of Health, y la Health eHeart Alliance. El Dr. Avram ha declarado no tener ningún conflicto de interés económico pertinente. Varios coautores han declarado relaciones económicas con la industria; la lista completa puede encontrarse en el artículo original. Uno de los coautores es empleado de Azumio, el fabricante de la aplicación de Smartphone. Azumio no proporcionó apoyo económico para este estudio y solo facilitó acceso a los datos.