4. Inteligencia artificial en la caracterización clínica de la diabetes... Dr. Omar Bello Chavolla

Summary

En esta presentación, se discuten los avances en la aplicación de modelos de inteligencia artificial para comprender mejor la diabetes mellitus tipo 2 desde una perspectiva clínica y epidemiológica. Se propone una nueva clasificación de la diabetes, que incluye cinco subtipos, y se examinan los desafíos en su implementación en México. La inteligencia artificial se utiliza para simplificar la predicción de subtipos y se demuestra su eficacia en diversos contextos poblacionales. Los hallazgos indican que en México predominan los fenotipos relacionados con la deficiencia de insulina y que el rezago social impacta negativamente en la atención de los pacientes.

Takeaways

• 😀 La diabetes mellitus tipo 2 es una enfermedad heterogénea y no se debe ver únicamente como diabetes tipo 1 o tipo 2.
• 🧬 Se han identificado al menos cinco subtipos de diabetes tipo 2 que comparten características clínicas y fenotípicas específicas.
• 💡 Los subtipos incluyen diabetes autoinmune, deficiencia de insulina, relacionada con obesidad, resistencia a la insulina y relacionada con el envejecimiento.
• 📊 La nueva clasificación puede ayudar a predecir el riesgo de complicaciones crónicas asociadas a cada subtipo de diabetes.
• 💰 La implementación de esta clasificación enfrenta desafíos en México debido a los costos asociados a las mediciones requeridas.
• 🤖 Se propone el uso de modelos de inteligencia artificial para simplificar la clasificación de la diabetes en contextos clínicos.
• 📉 Los modelos desarrollados sustituyen las mediciones costosas por variables más accesibles, como la glucosa.
• 👩‍⚕️ La prevalencia de diabetes en México es mayormente atribuible a la deficiencia de insulina, especialmente en pacientes con menos de cinco años de diagnóstico.
• 🌍 En México, el rezago social y la falta de acceso a atención médica contribuyen al deterioro clínico y la progresión de la diabetes.
• 🔬 La inteligencia artificial permite una caracterización más profunda de la diabetes y puede guiar decisiones clínicas y estrategias de salud pública.

Q & A

¿Cuál es el enfoque principal del discurso?

El discurso se centra en la aplicación de modelos de inteligencia artificial para comprender mejor la diabetes mellitus tipo 2 desde perspectivas clínicas y epidemiológicas.

¿Por qué se considera que la diabetes no es una enfermedad homogénea?

La diabetes es heterogénea porque existen múltiples subtipos que comparten características fenotípicas y clínicas, lo que implica que no se puede reducir simplemente a diabetes tipo 1 y tipo 2.

¿Cuántos subtipos de diabetes tipo 2 se han identificado recientemente?

Se han identificado al menos cinco subtipos de diabetes tipo 2, incluyendo la diabetes autoinmune, diabetes con deficiencia de insulina, diabetes relacionada a la obesidad, diabetes relacionada a la resistencia a la insulina y diabetes relacionada al envejecimiento.

¿Cuál es uno de los principales desafíos para implementar la nueva clasificación de diabetes en México?

Uno de los principales desafíos es el costo asociado con las mediciones necesarias para clasificar los subtipos de diabetes, como el péptido C y los anticuerpos antigad65.

¿Qué metodología de inteligencia artificial se utilizó para simplificar la clasificación de diabetes?

Se utilizaron redes neuronales auto normalizables para desarrollar modelos que clasifican la diabetes basándose en un conjunto reducido de variables.

¿Qué hallazgos se observaron en relación con los fenotipos de diabetes en México?

Se encontró que el fenotipo más frecuente en México es el de deficiencia de insulina, que representa el 43% de los casos, en contraste con Estados Unidos donde el fenotipo más común es el relacionado a la obesidad.

¿Cómo se relaciona el rezago social con la diabetes en México?

El rezago social y la falta de acceso a atención médica contribuyen a que los pacientes con diabetes progresen hacia un estado de glucotoxicidad, lo que a su vez causa deficiencia en la acción de la insulina.

¿Qué implicaciones tiene la inteligencia artificial para la atención de la diabetes?

La inteligencia artificial permite una caracterización más profunda de la diabetes y ayuda en la toma de decisiones clínicas y en la planificación de estrategias de salud pública para abordar las desigualdades en el tratamiento de la diabetes.

¿Cuáles son algunas de las variables utilizadas en los modelos de clasificación?

Las variables incluyen la edad de diagnóstico, el índice de masa corporal, la hemoglobina glucosilada, la medición de anticuerpos antigad65 y la estimación del modelo HOMA.

¿Qué se concluyó sobre el uso de modelos de inteligencia artificial en el estudio de la diabetes?

Se concluyó que estos modelos pueden mejorar la comprensión y la clasificación de la diabetes en diferentes contextos, permitiendo una mejor atención y estrategias de intervención en salud pública.