Herramienta de detección de diabetes basada en smartphone: biomarcador digital para identificación temprana de riesgo

Investigadores han desarrollado un "biomarcador digital" que usaría la cámara integrada de un smartphone para detectar diabetes. La herramienta podría ayudar a identificar personas con mayor riesgo de tener diabetes, ayudando a disminuir la prevalencia de diabetes no diagnosticada.

Escalabilidad y no invasividad

Herramientas de cribado desplegables fácilmente usando tecnología ya contenida en smartphones podrían aumentar rápidamente la capacidad de detectar diabetes, incluyendo poblaciones fuera del alcance de la atención médica tradicional. Hasta ahora, faltaban herramientas no invasivas y ampliamente escalables para detectar diabetes, motivando el desarrollo del algoritmo.

Base fisiológica: fotopletismografía (PPG)

Al desarrollar el biomarcador, los investigadores hipotetizaron que una cámara de smartphone podría detectar daño vascular por diabetes midiendo señales llamadas fotopletismografía (PPG), que la mayoría de dispositivos móviles incluyendo smartwatches y pulseras de actividad pueden adquirir. Usaron la linterna y cámara del teléfono para medir PPG capturando cambios de color en la yema del dedo correspondientes a cada latido.

Desarrollo y validación del algoritmo

El equipo obtuvo casi 3 millones de grabaciones PPG de 53,870 pacientes que usaron la app Azumio Instant Heart Rate en iPhone y reportaron diagnóstico de diabetes por profesional sanitario. Estos datos se usaron para desarrollar y validar un algoritmo de aprendizaje profundo que detecta presencia de diabetes usando señales PPG medidas por smartphone.

En general, el algoritmo identificó correctamente presencia de diabetes en hasta 81% de pacientes en dos conjuntos de datos separados. Al probarse en un conjunto adicional de pacientes de clínicas presenciales, identificó correctamente 82% de pacientes con diabetes. Entre pacientes que el algoritmo predijo sin diabetes, 92-97% no la tenían en los conjuntos de validación. Al combinar esta predicción derivada de PPG con otra información fácilmente obtenible —edad, género, IMC, raza/etnia— el rendimiento predictivo mejoró aún más.

Potencial de cribado masivo

A este nivel de rendimiento predictivo, el algoritmo podría servir un rol similar a otras herramientas de cribado de enfermedades generalizadas para alcanzar un grupo mucho más amplio de personas, seguido de confirmación médica del diagnóstico y plan de tratamiento. El rendimiento es comparable a pruebas comunes como mamografía para cáncer de mama o citología cervical para cáncer cervical, y su indolora naturaleza la hace atractiva para pruebas repetidas.