El investigador de la Universidad de Murcia (UMU) Ignacio Rodríguez Rodríguez propone un sistema que posibilita una mayor precisión a la hora pronosticar la glucemia y con ello decidir las dosis de insulina de pacientes diabéticos, redundando este hecho en la mejora de su calidad de vida.
Este estudio, publicado en revistas de prestigio como Sensors o Journal of Diabetes Research, muestra un sistema de gestión integral de la diabetes tipo 1, cuando el páncreas ya no produce insulina, con biosensores que permiten estimar la evolución de la glucosa en un paciente diabético de manera automática.
La predicción de la glucosa se obtiene a partir de la completa monitorización de variables biomédicas, con medidores continuos de glucemia, pulseras inteligentes y el empleo de algoritmos.
Algoritmos inteligentes y monitorización de variables
Se han monitorizado siete variables: dosis de insulina, cantidad de hidratos de carbono ingeridas, valores de azúcar de la persona durante las horas anteriores, ejercicio físico, ritmo cardiaco, horas de sueño y horario de actividades. Todas ellas se han medido en situaciones reales, durante catorce días, a 25 voluntarios y voluntarias con diabetes tipo 1.
Con la información recabada, empleando algoritmos inteligentes, se ha alcanzado una predicción de glucemia en los 45 minutos posteriores con un margen de error de 18.60 mg/dL. "A través de algoritmos de aprendizaje-máquina se puede llegar a predecir la glucosa de un paciente diabético con un error muy aceptable", destaca Rodríguez.
El Internet de las Cosas y la salud
A través de esta investigación se ha pretendido explotar el concepto de Internet de las Cosas. Se trata de una interconexión total con la red y todo el potencial que esto supone en cuanto a almacenamiento de datos, computación en la nube o ubicuidad, así como a la extracción de patrones y la predicción que posibilitan los algoritmos inteligentes.
Los algoritmos elegidos para predecir la glucosa se han ejecutado en dispositivos de recursos limitados para comprobar su viabilidad en aparatos portátiles, como teléfonos móviles, que pueda llevar el paciente. Se ha intentado descubrir hasta qué punto el sistema de control puede funcionar con un móvil de forma independiente en caso de una pérdida de cobertura o fallo de la red, consiguiéndose "valores de predicción de glucosa bastante buenos en tiempos de ejecución aceptables", según el investigador.
Asimismo, este trabajo ha sido posible gracias a la popularización de los medidores continuos de glucosa, que permiten obtener un valor de esta cada cinco minutos. "Las pulseras inteligentes completan el camino hacia un sistema de monitorización global, pues con ellas conocemos de forma continua otras circunstancias que afectan a la persona con diabetes, como el ejercicio o las horas de sueño", señala Rodríguez.
Sobre la diabetes tipo 1
La diabetes es una dolencia que se caracteriza por dificultades a la hora de metabolizar la glucosa en sangre. En el caso concreto del tipo 1, dicha metabolización se hace imposible debido a que el páncreas ya no produce insulina, por lo que la persona tiene que inyectársela diariamente.Hasta un 14% de la población española padece diabetes y, de este porcentaje, entre un 1% y un 5% es tipo 1.
Una investigación con múltiples agradecimientos
Los artículos publicados sobre este estudio forman parte de la tesis de Ignacio Rodríguez Rodríguez (actualmente investigador de la Universidad de Málaga), cuyos directores son el investigador de la UMU Miguel Ángel Zamora y el investigador de la Universidad Politécnica de Cartagena (UPCT) José Víctor Rodríguez. Además, la Asociación SODICAR (Sociedad de Diabéticos de Cartagena) ha facilitado la búsqueda de personas voluntarias para estudio, así como el Hospital Morales Meseguer de Murcia y su equipo de Endocrinología.
En el ámbito internacional, ha sido de enorme relevancia las contribuciones del profesor Ioannis Chatzigiannakis del Dipartimento di Ingegneria Informatica, Automática e Gestionale de La SapienzaUniversità di Roma (Italia), coautor de dos de las publicaciones.
Referencias:
Rodríguez-Rodríguez, I., Zamora-Izquierdo, M. Á., & Rodríguez, J. V. (2018). Towards an ICT-based platform for type 1 diabetes mellitus management.Applied Sciences,8(4), 511. https://doi.org/10.3390/app8040511
Rodríguez-Rodríguez, I., Rodríguez, J. V., & Zamora-Izquierdo, M. Á. (2018). Variables to Be Monitored via Biomedical Sensors for Complete Type 1 Diabetes Mellitus Management: An Extension of the "On-Board" Concept.Journal of diabetes research,2018. https://doi.org/10.1155/2018/4826984
Rodríguez-Rodríguez, I., Rodríguez, J. V., González-Vidal, A., & Zamora, M. Á. (2019). Feature Selection for Blood Glucose Level Prediction in Type 1 Diabetes Mellitus by Using the Sequential Input Selection Algorithm (SISAL).Symmetry,11(9), 1164. https://doi.org/10.3390/sym11091164
Rodríguez-Rodríguez, I., Chatzigiannakis, I., Rodríguez, J. V., Maranghi, M., Gentili, M., & Zamora-Izquierdo, M. Á. (2019). Utility of Big Data in Predicting Short-Term Blood Glucose Levels in Type 1 Diabetes Mellitus Through Machine Learning Techniques.Sensors,19(20), 4482.https://doi.org/10.3390/s19204482
Rodríguez-Rodríguez, I., Rodríguez, J. V., Chatzigiannakis, I., & Zamora Izquierdo, M. Á. (2019). On the Possibility of Predicting Glycaemia 'On the Fly'with Constrained IoT Devices in Type 1 Diabetes Mellitus Patients.Sensors,19(20), 4538. https://doi.org/10.3390/s19204538