Prediga a los pacientes con diabetes de alto riesgo para una intervención temprana, reduciendo las complicaciones y los costos.
La diabetes provoca niveles altos de azúcar en sangre y puede causar daños importantes en los nervios y los vasos sanguíneos si no se controla de manera eficaz. Esta afección crónica genera más de 4.000 nuevos diagnósticos cada día en los EE. UU. (1). Dado que los gastos médicos de los pacientes diabéticos son 2,3 veces más altos que los de los pacientes sin la enfermedad (3), la carga económica es considerable. Aproximadamente el 10% de la población estadounidense, es decir, 34 millones de adultos, vive con diabetes, lo que contribuye a que sea una de las principales causas de mortalidad y a que aumente el riesgo de sufrir complicaciones de salud graves. A pesar de su prevalencia, se estima que el 20% de los casos siguen sin diagnosticarse (2). A medida que el número de adultos con diabetes se ha duplicado en las últimas dos décadas, se hace cada vez más evidente la necesidad de una mayor concienciación y un mejor tratamiento.
«DiabetesPredict» es un algoritmo entrenado para interpretar datos de salud agregados, centrándose en factores clínicos como la presión arterial y los niveles de glucosa. Sus evaluaciones guían las iniciativas de salud pública para controlar la prevalencia de la diabetes y mitigar la carga financiera que supone para los sistemas de salud.
El conjunto de datos sintéticos utilizado para el modelo de IA incorpora variables similares a las informadas por los CDC en su «Informe nacional de estadísticas sobre diabetes de 2020» (1) y consideraciones sobre el impacto económico de la diabetes exploradas por la Asociación Estadounidense de Diabetes (2). La estructura y los valores del conjunto de datos pretenden reflejar la información sobre el control y la prevención de la diabetes, tal como comentaron Shrivastava y otros (3), y sobre el papel del autocuidado en el control de la diabetes. El diseño también se basa en estudios que examinan la rentabilidad de las intervenciones relacionadas con la diabetes (4) (5).