Rezistența la insulină afectează deja între 20% și 40% din populația generală, însă de cele mai multe ori rămâne invizibilă până când apar prediabetul sau diabetul propriu-zis.
Urmărește cele mai noi producții video TechRider.ro
- articolul continuă mai jos -
Tocmai aici intervine o nouă direcție de cercetare: combinarea datelor din smartwatch-uri cu analizele de sânge de rutină pentru o depistare mai timpurie și mai precisă.
Un studiu publicat recent în Nature propune exact această abordare. Primele rezultate sunt promițătoare: metoda ar putea oferi o alternativă mai accesibilă și mai scalabilă față de testele actuale.
De ce scapă rezistența la insulină nedetectată
Problema nu este lipsa metodelor de testare, ci faptul că ele sunt rar folosite sau insuficient de sensibile în fazele incipiente.
Testul considerat „standard de aur” este dificil de aplicat la scară largă — costisitor, consumator de timp și, în multe cazuri, greu de accesat.
În practică, screeningul se bazează pe indicatori precum glicemia pe nemâncate (à jeun), HbA1c sau testul de toleranță la glucoză (OGTT). Problema este că aceste metode oferă mai degrabă o „fotografie” de moment a metabolismului, nu o imagine a evoluției lui în timp.
„În schimb, se pune accent pe măsurători punctuale ale nivelului de glucoză, precum glicemia à jeun, HbA1c sau glicemia la două ore după testul de toleranță orală la glucoză (OGTT), abordări care pot fi insensibile în detectarea stadiilor incipiente ale rezistenței la insulină”, explică autorii studiului.
Iar asta contează. Pentru că, odată descoperită din timp, rezistența la insulină poate fi reversibilă — prin dietă, mișcare și scădere în greutate.
Smartwatch-ul, o piesă lipsă în ecuație
Pornind de la această limitare, cercetătorii au încercat o altă abordare: să folosească datele generate zilnic de dispozitivele purtabile.
Așa a apărut studiul WEAR-ME (Wearables for Metabolic Health). Echipa a combinat informații din smartwatch-uri cu analize uzuale de sânge — colesterol, insulină, glucoză — și cu date despre stilul de viață.
În total, au fost analizate datele a 1.165 de persoane, colectate de la distanță. Modelele au fost antrenate cu rețele neuronale profunde, apoi validate inclusiv pe un lot independent de 72 de participanți.
Rezultatele indică un lucru clar: modelul multimodal poate prezice rezistența la insulină cu o acuratețe ridicată.
Mai mult, atunci când sistemul a fost rafinat folosind un model specializat pentru date din wearables — antrenat pe 40 de milioane de ore de date de senzori — performanța a crescut semnificativ.
„Rezultatele oferă dovezi suplimentare că datele din dispozitive purtabile aduc o valoare semnificativă în predicția rezistenței la insulină, chiar și atunci când modelul este aplicat pe date complet noi.
Un model care a integrat reprezentări derivate din WFM împreună cu date demografice a depășit un model bazat doar pe demografie (AUROC = 0,75 față de 0,66). În plus, adăugarea acestor reprezentări la un model optim, care includea date demografice, glicemie à jeun și profil lipidic, a îmbunătățit semnificativ performanța (AUROC = 0,88 față de 0,76)”, arată autorii.
Un „asistent” AI care explică rezultatele
Pe lângă modelul de predicție, cercetătorii au mers mai departe și au creat un agent de inteligență artificială capabil să interpreteze rezultatele pentru utilizatori.
Nu este doar un chatbot obișnuit. Sistemul, numit IR agent, combină un model lingvistic cu instrumente externe și capacitatea de a face calcule sau de a accesa informații actualizate, potrivit MedicalXpress.
„Agentul nostru, denumit IR agent (insulin resistance literacy and understanding agent), folosește un cadru de tip ReAct, construit peste un model lingvistic de mari dimensiuni — în cazul nostru, Gemini 2.0 Flash. Acesta combină capacitatea de înțelegere a limbajului cu abilitatea de a efectua acțiuni, precum căutarea de informații actualizate pe internet, utilizarea unor instrumente specializate, cum ar fi un calculator, și integrarea modelelor noastre de predicție a rezistenței la insulină.”
Cu alte cuvinte, răspunsurile nu sunt generate doar pe baza „memoriei” modelului, ci și pe date reale și verificabile.
Endocrinologii care au evaluat sistemul au confirmat nivelul ridicat de siguranță: 79% dintre răspunsuri au fost complet corecte din punct de vedere factual, iar 96% au fost considerate sigure.
Spre testare acasă și prevenție reală
Direcția este clară: dacă metoda va trece și de etapele următoare de validare, ar putea deveni un instrument de screening la domiciliu.
Unul simplu, bazat pe date deja disponibile pentru milioane de utilizatori.
Iar impactul ar putea fi major. Detectarea timpurie a rezistenței la insulină nu înseamnă doar diagnostic mai rapid, ci și șansa reală de a opri evoluția către diabet — înainte ca simptomele să apară.
Acest articol face parte din seria editorială MedTech by MedLife, un demers dedicat inovației și tehnologiilor care transformă medicina — de la inteligență artificială și aparatură medicală robotică sau imagistică avansată la cercetare în genomică și digitalizarea serviciilor de sănătate.
MedLife, cea mai mare rețea de servicii medicale private din România, investește constant în tehnologii avansate de diagnostic și tratament, integrând în fluxurile de lucru soluții bazate pe AI, chirurgie robotică, analize genetice, automatizare sau drone pentru transportul probelor de laborator. Prin adoptarea rapidă a inovațiilor, MedLife contribuie la dezvoltarea unui ecosistem modern, centrat pe pacient, în care prevenția și precizia sunt susținute de date și tehnologie.
Obiectivul acestui proiect este de a explora modul în care inovația redefinește practica medicală și experiența pacientului, într-o lume în care medicina devine din ce în ce mai personalizată, predictivă și digitală. Mai multe informații despre inițiativele și tehnologiile MedLife sunt disponibile pe site-ul www.medlife.ro.
