Detector de diabetes basado en teléfono inteligente

Los investigadores han desarrollado un "biomarcador digital" que usaría la cámara integrada de un teléfono inteligente para detectar la diabetes. La herramienta podría ayudar a identificar a las personas con mayor riesgo de tener diabetes y, en última instancia, ayudar a disminuir la prevalencia de diabetes no diagnosticada.

Las herramientas de detección que se pueden implementar fácilmente utilizando la tecnología que ya se encuentra en los teléfonos inteligentes podrían aumentar rápidamente la capacidad de detectar la diabetes, incluidas las poblaciones fuera del alcance de la atención médica tradicional. Hasta la fecha, faltaban herramientas no invasivas y ampliamente escalables para detectar la diabetes, lo que motivó el desarrollo del algoritmo.

Al desarrollar el biomarcador, los investigadores plantearon la hipótesis de que la cámara de un teléfono inteligente podría usarse para detectar daño vascular debido a la diabetes midiendo señales llamadas fotopletismografía (PPG), que la mayoría de los dispositivos móviles, incluidos los relojes inteligentes y los rastreadores de actividad física, son capaces de adquirir. Los investigadores utilizaron la linterna y la cámara del teléfono para medir los PPG mediante la captura de cambios de color en la yema del dedo correspondientes a cada latido del corazón.

El equipo obtuvo casi 3 millones de registros de PPG de 53 870 pacientes que usaron la aplicación Azumio Instant Heart Rate en el iPhone e informaron que un proveedor de atención médica les había diagnosticado diabetes. Estos datos se utilizaron para desarrollar y validar un algoritmo de aprendizaje profundo para detectar la presencia de diabetes mediante señales PPG medidas por teléfonos inteligentes.

En general, el algoritmo identificó correctamente la presencia de diabetes en hasta el 81 por ciento de los pacientes en dos conjuntos de datos separados. Cuando el algoritmo se probó en un conjunto de datos adicional de pacientes inscritos en clínicas presenciales, identificó correctamente al 82 % de los pacientes con diabetes. Entre los pacientes que el algoritmo predijo que no tenían diabetes, del 92 al 97 por ciento no tenían la enfermedad en los conjuntos de datos de validación. Cuando esta predicción derivada de PPG se combinó con otra información del paciente fácilmente obtenible, como la edad, el sexo, el índice de masa corporal y la raza/etnicidad, el rendimiento predictivo mejoró aún más.

En este nivel de rendimiento predictivo, el algoritmo podría desempeñar un papel similar al de otras herramientas de detección de enfermedades generalizadas para llegar a un grupo mucho más amplio de personas, seguido de la confirmación del diagnóstico de diabetes por parte de un médico y un plan de tratamiento. El rendimiento del algoritmo es comparable a otras pruebas de uso común, como la mamografía para el cáncer de mama o la citología cervical para el cáncer de cuello uterino, y su ausencia de dolor lo hace atractivo para pruebas repetidas.