¿Pueden los relojes inteligentes y los análisis de sangre predecir el riesgo de diabetes antes de que sea demasiado tarde?
La diabetes tipo 2 afecta actualmente a más de 500 millones de adultos en el mundo, una cifra que podría alcanzar los 640 millones para 2030. En nueve de cada diez casos, esta enfermedad está relacionada con un fenómeno llamado resistencia a la insulina. Este trastorno silencioso ocurre cuando las células del cuerpo responden menos a la insulina, una hormona esencial para regular el nivel de azúcar en la sangre. Sin intervención, puede evolucionar hacia una diabetes confirmada o complicaciones graves como enfermedades cardíacas o daños hepáticos.
Sin embargo, detectar esta resistencia sigue siendo difícil. Los métodos actuales, como los análisis de sangre en laboratorio, son costosos y poco accesibles. Un estudio reciente muestra que es posible identificarla de manera más sencilla, combinando datos de relojes inteligentes y análisis de sangre de rutina. Los investigadores utilizaron información como la frecuencia cardíaca en reposo, el número de pasos diarios, la duración del sueño e incluso los niveles de triglicéridos y colesterol. Gracias a la inteligencia artificial, estos datos permiten identificar a las personas en riesgo con una precisión cercana al 80 %.
El estudio involucró a más de 1.000 participantes en Estados Unidos. Los resultados revelan que ciertos hábitos de vida, como un bajo nivel de actividad física o un sueño insuficiente, están estrechamente relacionados con una mayor resistencia a la insulina. Por ejemplo, las personas con sobrepeso u obesidad presentan un riesgo mucho más elevado, pero incluso aquellas con un peso normal pueden estar afectadas. Entre los participantes, uno de cada cinco tenía resistencia a la insulina sin saberlo, aunque sus niveles de azúcar en la sangre parecían normales.
La ventaja de este enfoque es su simplicidad. Los relojes inteligentes miden de forma continua indicadores como la frecuencia cardíaca o la actividad física, mientras que los análisis de sangre clásicos proporcionan datos sobre el metabolismo. Al cruzar esta información, los científicos desarrollaron un modelo capaz de predecir el riesgo mucho antes de la aparición de los primeros síntomas. Una detección temprana abre la puerta a intervenciones específicas: la pérdida de peso, el ejercicio físico regular o una alimentación adecuada pueden invertir la tendencia.
Este método podría revolucionar la prevención de la diabetes. Evita exámenes complejos y costosos, al tiempo que ofrece una solución escalable, accesible para millones de personas. A largo plazo, incluso podría integrarse en asistentes de voz o aplicaciones de salud, proporcionando recomendaciones personalizadas para reducir los riesgos. El desafío es enorme, ya que actuar a tiempo permite evitar tratamientos pesados y complicaciones irreversibles. La tecnología, combinada con la medicina, se convierte así en una herramienta valiosa para una salud proactiva.
À propos de nos sources
Publication originale
DOI : https://doi.org/10.1038/s41586-026-10179-2
Titre : Insulin resistance prediction from wearables and routine blood biomarkers
Revue : Nature
Éditeur : Springer Science and Business Media LLC
Auteurs : Ahmed A. Metwally; A. Ali Heydari; Daniel McDuff; Alexandru Solot; Zeinab Esmaeilpour; Anthony Z. Faranesh; Menglian Zhou; Girish Narayanswamy; Maxwell A. Xu; Xin Liu; Yuzhe Yang; David B. Savage; Mark Malhotra; Conor Heneghan; Shwetak Patel; Cathy Speed; Javier L. Prieto