La diabetes mellitus se ha convertido en uno de los mayores problemas de salud pública en México y al mismo tiempo está dividida en distintos subtipos. Pero ahora será más sencillo identificar con precisión el que padece cada paciente gracias a una innovación mexicana.
Aunque existe la creencia de que los inventos en materia de salud son exclusivos de los países de primer mundo, en realidad no es así. También en naciones subdesarrolladas es posible encontrar ideas innovadoras que se traducen en ambiciosos proyectos.
Mexicanos innovan en salud
En un esfuerzo por diseñar herramientas tecnológicas con base en el análisis de datos, aprendizaje automático e inteligencia artificial como una forma de medicina de precisión, que permitan a los profesionales de la salud establecer mejores pronósticos, diagnósticos y tratamientos, un grupo de investigación del Cinvestav Tamaulipas emprendió un estudio basado en aprendizaje automático para la clasificación de los subtipos de diabetes mellitus.
El estudio consistió en el procesamiento de información obtenidos de Ensanut, realizada en México, y de otra similar aplicada en Estados Unidos, denominada Nhanes, las cuales contienen datos públicos de encuestas de salud.
Al principio se realizó un análisis descriptivo sobre distintos parámetros de las y los pacientes, como niveles de lípidos, glucosa, estilo de vida, alimentación o actividad física, entre otros, para así determinar su tipo de diabetes.
¿Cuáles son los subtipos de diabetes mellitus?
Sin embargo, dentro de la diabetes tipo 2 (la más predominante en el país con el 66 por ciento de casos), a nivel internacional se identifican otros subgrupos que se encuentran asociados a las características de vida del paciente.
El primero se caracteriza por la incapacidad del paciente para absorber insulina; el segundo, por la resistencia a ella; el tercero, por obesidad; y el cuarto, por edad. Al identificar esos subgrupos en la población mexicana fue posible caracterizarlos y validarlos en el país.
“Clasificar al paciente de diabetes mellitus de acuerdo a su tipo y al subgrupo al que pertenece, de manera precisa, le ayuda al médico a establecer un mejor pronóstico, diagnóstico y tratamiento, porque el análisis automático de datos le permite hacer una valoración más justificada y mejorar la perspectiva en su calidad de vida”, explicó José Luis González Compeán, líder del equipo de investigación.
¿Por qué es importante conocer los subtipos de diabetes mellitus?
Cada uno de estos subgrupos presenta distintos riesgos o complicaciones y, por lo tanto, se deben atender de manera diferenciada, de ahí que la investigación internacional propone identificar cuáles son las terapéuticas más idóneas para cada subtipo, porque en ocasiones se asume que todas las personas enfermas de diabetes tienen las mismas características y por ello les aplican un solo tratamiento, con medicamentos iguales, cuando la evidencia en los datos indica que no debe ser así.
Con información pública real se caracterizó cómo se manifiestan estos subgrupos de diabéticos y diabéticas en la población mexicana, empleando diversas herramientas de análisis de datos y estadística que resultó en un sistema, prácticamente un robot de software, que al procesar los datos sugiere al médico o la médica, un pronóstico más preciso basado en evidencia.
“El reto del estudio, publicado en la revista BioData Mining, fue conjuntar instrumentos de cómputo como análisis de grandes volúmenes de datos, técnicas estadísticas, algoritmos de aprendizaje automático comprobados en la literatura científica y cómputo de alto desempeño”, sostuvo Iván López Arévalo, miembro del equipo científico.
El sistema que propone la investigación para la clasificación de los subgrupos de la diabetes mellitus tipo 2 en México se deriva de la plataforma tecnológica de servicios en la nube Muyal (diseñada por las y los investigadores en Cinvestav Tamaulipas) para gestión, aseguramiento, intercambio, procesamiento y preservación de grandes volúmenes de indicadores médicos, cuyo propósito es crear un repositorio nacional de análisis de datos de e-salud para la toma de decisiones o asistencia en el diagnóstico.
La investigación ofrece un sistema de información y análisis, ya disponible para varios dominios (cáncer, mortalidad y contaminantes, entre otros), para atender un problema de salud concreto, como diabetes u otras enfermedades; su uso no requiere de conocimientos especializados de programación o de una infraestructura de cómputo sofisticada y su consulta es similar a la de los buscadores web en línea.
También lee:
