Ceasurile inteligente pot detecta rezistența la insulină înaintea testelor clinice

Ceasurile inteligente ar putea deveni un instrument crucial în detectarea precoce a rezistenței la insulină (RI), o condiție premergătoare diabetului de tip 2, chiar înainte de identificarea acesteia prin testele clinice obișnuite. Această descoperire ar putea facilita intervenții timpurii asupra stilului de viață, prevenind astfel progresia către diabet.

Un studiu recent publicat în revista Nature a arătat că modelele de date colectate continuu în timpul activităților cotidiene prin intermediul dispozitivelor purtabile pot releva semne timpurii ale disfuncției metabolice. Când aceste date au fost integrate cu biomarkerii obișnuiți din sânge și informații demografice, utilizând un model de învățare automată, au prezis RI într-un mod care poate să nu fie detectabil în cadrul vizitelor clinice obișnuite.

Studiul subliniază că colectarea datelor în acest mod poate dezvălui stresul fiziologic timpuriu, dificil de detectat prin evaluări intermitente. „Prin exploatarea semnalelor continue din viața de zi cu zi, abordarea autorilor evidențiază o tensiune fiziologică invizibilă testărilor episodice,” explică Christopher Hartshorn, PhD, de la Institutul Național pentru Sănătate, într-un articol News & Views însoțitor.

Această cercetare ridică posibilitatea ca identificarea precoce a rezistenței la insulină, un indicator cheie al diabetului de tip 2, să permită intervenții mai simple și, în definitiv, să reducă povara bolilor metabolice pe termen lung.

Nivelurile de zahăr din sânge pot rămâne în limite normale chiar și când efortul fiziologic necesar pentru menținerea acestora crește, lăsând RI nededectată de evaluările clinice izolate efectuate în condiții standardizate.

În contrast, datele de la ceasurile inteligente captează fluctuațiile activității, somnului și funcției cardiovasculare care, în timp, pot reflecta cerințele cumulative ale reglării metabolice.

Pentru a investiga mai departe, o echipă condusă de Ahmed Metwally, PhD, care conduce programul de cercetare AI pentru sănătatea metabolică la Google, a efectuat studiul WEAR-ME pe 1165 de persoane, cu un indice de masă corporală mediu de 28 mg/m2, vârstă medie de 45 de ani și hemoglobină A1c mediană de 5.5%.

Folosind semnale longitudinale colectate de la dispozitivele Fitbit și Google Pixel Watch, integrate cu caracteristici demografice și biomarkeri sanguini ușor accesibili, cercetătorii au antrenat un model computational împotriva evaluării homeostatice a rezistenței la insulină (HOMA-IR).

Modelul inițial a identificat modele stabile legate de RI și a îmbunătățit performanța predictivă comparativ cu orice sursă de date singulară.

Folosind un prag HOMA-IR de 2.9, modelul multimodal a fost robust în detectarea RI, combinând date de la dispozitivele purtabile, împreună cu date demografice și biomarkeri sanguini de rutină, oferind o suprafață sub curba caracteristică de operare a receptorului de 0.80, o sensibilitate de 76% și o specificitate de 84%.

Sursa: Inside Precision Medicine