RESÚMENES COMENTADOS A LA BIBLIOGRAFÍA INTERNACIONAL

La inteligencia artificial (IA) es la tecnología que permite a las máquinas analizar datos y evaluar el contexto para desarrollar tareas similares a las que lleva a cabo un ser humano. En medicina, la IA suele utilizarse para el apoyo en la toma de decisiones clínicas, análisis de imágenes o en procesos de investigación. En el caso de la diabetes, la IA se ha utilizado para realizar diagnósticos tempranos, predecir complicaciones, personalizar el tratamiento, monitorear continuamente, por ejemplo, la glucosa o la actividad física, asesorar virtualmente para proporcionar una educación personalizada y, por último, se usa como apoyo en investigación y manejo de la enfermedad^2,3,4,5.

Las aplicaciones de IA más usadas actualmente por las personas con diabetes, y que vemos a diario en nuestras consultas, están relacionadas con la monitorización continua de la glucosa, la detección de hiperglucemias e hipoglucemias, la detección de la variabilidad glucémica y el control de la terapia con insulina⁶.

En este artículo se estudia si una aplicación de IA conversacional basada en la voz (IABV) puede ayudar a los pacientes con diabetes tipo 2 a ajustar la insulina basal en casa para lograr un control glucémico rápido y adecuado. Se hace una comparación entre las recomendaciones de la IA y las realizadas en la atención estándar. Los autores desarrollaron un software de inteligencia artificial de voz, personalizada para esta prueba, impulsado por Alexa, una plataforma de inteligencia artificial conversacional de Amazon. Todo el desarrollo del software fue realizado de forma independiente por el equipo de investigación sin financiación. La nueva aplicación IABV se implementó en un altavoz inteligente de Amazon. Todas las interacciones de los participantes se produjeron mediante comandos de voz y conversaciones breves. La función de la IABV era ayudar al participante con la titulación de la insulina basal en casa basándose en algoritmos de titulación de la Asociación Estadounidense de Endocrinólogos Clínicos y el Colegio Estadounidense de Endocrinología, e incluyó protocolos de emergencia para manejar la hipoglucemia y la hiperglucemia.

Los participantes fueron asignados aleatoriamente en una proporción de 1:1 para recibir tratamiento con insulina basal con IABV o atención estándar. Se reclutaron adultos de habla inglesa con diabetes tipo 2 que requirieron inicio o ajuste de insulina basal una vez al día. Los criterios de exclusión fueron el uso de bombas de insulina o la imposibilidad de realizar la intervención de forma independiente (es decir, barreras técnicas en el hogar). Se seleccionó un protocolo de titulación de insulina a través de un portal web personalizado. Los parámetros del protocolo incluyeron una dosis inicial de insulina, un rango objetivo de nivel de glucosa basal en ayunas (GBA) e instrucciones de titulación de insulina. Una vez que se aprobó el protocolo, ambos grupos recibieron un altavoz inteligente de Amazon y se indicó a los participantes que se comunicaran con la aplicación diariamente, utilizando la frase "Alexa, consulte con el ensayo clínico". Esta frase desencadenaba una conversación en la que los participantes del grupo de intervención informarían de datos clínicos, como el uso reciente de insulina y los valores de GBA. Al final de la conversación, la IABV proporcionaba instrucciones actualizadas sobre la dosificación de la insulina basada en estos datos.

A los participantes asignados aleatoriamente al grupo de atención estándar, se les tituló la insulina basal por parte de su médico según la atención habitual. Recibieron un registro en línea de glucosa e insulina en sangre, que se les indicó que completaran diariamente durante el del ensayo. También recibieron un altavoz inteligente de Amazon, que estaba configurado con recordatorios diarios para completar su registro, aunque no tuvieron acceso a la IABV.

Todos los participantes en el estudio completaron 3 encuestas: la escala de áreas problemáticas en diabetes, de 5 ítems (PAID-5, por sus siglas en inglés), una encuesta sobre angustia emocional relacionada con la diabetes; una encuesta de cinco preguntas sobre actitudes hacia la adherencia a la medicación; y una encuesta de dos preguntas sobre actitudes hacia la tecnología sanitaria. Las encuestas se repitieron a las 8 semanas.

Este ensayo clínico aleatorizado demuestra la eficacia de IABV en el manejo de la titulación de insulina basal en comparación con la atención estándar. Los participantes en el grupo IABV tuvieron una optimización de la dosis de insulina significativamente más rápida en comparación con los del grupo de atención estándar, los primeros mejoraron la adherencia a la insulina, el control glucémico y disminuyeron la angustia emocional relacionada con la diabetes. Hasta donde sabemos, este estudio marca la primera vez que se utiliza un IABV para ajustar de forma autónoma las dosis de medicamentos según un protocolo aprobado previamente por un médico.

Aunque esta investigación presenta varias limitaciones, como el pequeño número de participantes (32 participantes, todos de habla inglesa), su escaso tiempo de seguimiento (8 semanas), la valoración de la glucemia mediante GBA en lugar de los niveles de HbA1c... el estudio es muy interesante porque sugiere que las herramientas de salud digitales pueden ser útiles para la titulación de medicamentos y que las interfaces de usuario de voz pueden ser efectivas para las tecnologías digitales orientadas al paciente. La IABV tiene el potencial para mejorar el acceso a la atención basada en la tecnología para personas con baja alfabetización digital y, al mismo tiempo, mejorar el compromiso de todos los pacientes. En definitiva, tiene la capacidad para mejorar la calidad de vida de las personas con diabetes tipo 2.

Esto es importante, porque la diabetes tipo 2 es una enfermedad crónica que afecta a millones de personas en todo el mundo.

Si tal como parece las soluciones de salud digital pueden ayudar a mejorar la calidad de vida de estas personas, se deberían explorar más en profundidad estas opciones para validar esta tecnología en poblaciones más grandes y diversas, teniendo siempre en cuenta que la IA también plantea desafíos éticos relacionados con la privacidad de los datos y la interpretación responsable de los resultados.