IA en el manejo de la diabetes

El control de la diabetes gira en torno a mantener la glucosa dentro de un rango objetivo. Los monitores continuos de glucosa (CGM), como los de la línea FreeStyle Libre de Dexcom y Abbott, miden la glucosa en el líquido debajo de la piel cada pocos minutos, produciendo un flujo de datos muy adecuado para la predicción. Muchos sistemas CGM muestran flechas de tendencia y alertas predictivas que advierten de un nivel bajo o alto inminente. La aplicación más importante es la administración automatizada de insulina (AID), a menudo llamada páncreas artificial. Un algoritmo lee los datos del MCG y ajusta la administración de una bomba de insulina. La FDA aprobó el MiniMed 670G de Medtronic, el primer sistema híbrido de circuito cerrado, en 2016. Los sistemas posteriores incluyen Control-IQ de Tandem, Omnipod 5 de Insulet y iLet de Beta Bionics, que comienza a dosificar a partir del peso corporal en lugar de los ajustes tradicionales de la bomba. "Híbrido" significa que los usuarios generalmente todavía anuncian las comidas o dan bolos de comida, porque la insulina actúa más lentamente de lo que los alimentos aumentan la glucosa. Un movimiento comunitario de código abierto, que incluye OpenAPS y Loop, creó sistemas de bricolaje antes y junto con los comerciales. La mayoría de los algoritmos AID no son de aprendizaje profundo. Son algoritmos de control, como el control predictivo de modelos o el control proporcional-integral-derivativo, a menudo con características adaptativas que se ajustan a las necesidades del usuario a lo largo del tiempo. El aprendizaje automático es más destacado en la investigación de pronósticos de glucosa y en las aplicaciones de apoyo a la toma de decisiones. En el cuidado de los ojos, IDx-DR (ahora llamado LumineticsCore, de Digital Diagnostics) recibió la autorización De Novo de la FDA en 2018 como el primer sistema de diagnóstico autónomo de IA, que detecta retinopatía diabética más que leve sin que un médico interprete la imagen. Le siguieron otros sistemas, incluido EyeArt de Eyenuk, y Google ha estudiado la detección de retinopatía en India y Tailandia. Un error común es creer que los sistemas de circuito cerrado curan la diabetes o la hacen completamente automática. Reducen la carga y mejoran el tiempo dentro del alcance para muchos usuarios, pero aún requieren cambios de sensores, entrada de comidas y atención a los problemas del dispositivo.