¿Pueden tus otros dispositivos predecir tus niveles de glucosa de mañana?

Todas las personas que viven con diabetes tipo 1 (DT1) lo han experimentado: después de una mala noche de sueño,de repente, los niveles de glucosa parecen más difíciles de manejar. A veces se siente como mala suerte. Otras veces, es imposible saber si la diabetes causó la mala noche o si la mala noche causó el difícil día que siguió.

Para una persona que vive con diabetes tipo 1, esa pregunta se convirtió en un proyecto de investigación que duró un año.

Utilizar datos de dispositivos portátiles para detectar y predecir patrones de diabetes.

Utilizando 365 días de datos del monitor continuo de glucosa (MCG) de Dexcom , junto con la información recopilada de su anillo inteligente, Josh Webb analizó cómo interactuaban con el tiempo las métricas de recuperación, el sueño, la actividad y los niveles de glucosa.

Su objetivo era sencillo: Josh quería determinar si los datos obtenidos con dispositivos portátiles podían ayudar a predecir los cambios en la glucosa antes de que ocurrieran.

«Me obsesioné bastante con la gestión de datos de la diabetes «, dijo. «Así es como siempre la he gestionado desde que me diagnosticaron».

El interés de Josh va más allá de su experiencia personal. Tras ser diagnosticado con diabetes tipo 1 hace 24 años, obtuvo un doctorado en bioingeniería y desarrolló una pasión por el análisis de datos.

Esa experiencia le hizo sentir curiosidad por saber si la información que ya recopilan los dispositivos portátiles podría revelar patrones que pasan desapercibidos en la vida cotidiana.

«Empecé a notar una correlación entre los datos de mi anillo inteligente, con el que estoy obsesionado, y algunos de mis valores de glucosa», dijo. «Sin esos datos, no tendríamos ni idea. Nos guiamos únicamente por la intuición».

Ir más allá de las métricas de salud estándar

El proyecto requirió exportar los datos de un año de ambos dispositivos antes de comparar decenas de variables. La inteligencia artificial (IA) ayudó a organizar la información, pero el análisis aún requirió criterio clínico.

«Claude fue de gran ayuda para analizar los datos y decir: ‘Aquí hay algo que podría ser útil'», explicó Josh. «Entonces, desde mi perspectiva como diabético, dije: ‘Esto sí tiene valor. Esto no'».

Una de las primeras sorpresas llegó casi de inmediato.

Esperaba que las puntuaciones generales, como el sueño en general o la capacidad de recuperación, tuvieran la relación más fuerte con el manejo de la glucosa. Sin embargo, las conexiones más significativas aparecieron en las mediciones individuales que contribuían a esas puntuaciones.

«Habría apostado un millón de dólares a que encontraría una correlación con alguna de esas cifras importantes», dijo. «No fue hasta que me detuve a reflexionar y analicé las métricas subyacentes que comencé a ver lo que esperaba».

La recuperación destacó por encima de todo lo demás.

«Lo que realmente se correlacionaba bien con los valores de glucosa del día siguiente no era cuánto dormía ni a qué hora me despertaba», dijo. «Era la recuperación real que obtenía mientras dormía».

La recuperación no terminó cuando Josh despertó.

Un ejemplo de ello se produjo tras pasar varias horas jugando al golf al aire libre bajo el calor del verano.

«Mi cuerpo aún se está recuperando», explicó. «Cuando me desperté y vi esos indicadores de recuperación, pensé: ‘Hoy voy a tener peores niveles de glucosa'».

En lugar de esperar a que subieran sus niveles de glucosa, Josh empezó a pensar si esos indicadores de recuperación podrían ayudarle a prepararse con antelación. Esa fue una de las principales conclusiones del proyecto.

«Puedo tomar medidas preventivas en lugar de gestionarlo de forma reactiva», dijo.

La relación no terminó ahí.

«Lo que realmente me sorprendió fue que si tenía un día con niveles altos de glucosa, mi sueño esa noche también se veía afectado.»

En lugar de encontrar una única dirección de influencia, sus datos sugerían un ciclo continuo.

«Si duermo mal, tengo niveles altos de glucosa. Si tengo niveles altos de glucosa, duermo mal, y el ciclo se repite», explicó Josh.

Para muchas personas que viven con diabetes tipo 1, esa experiencia les resulta familiar. Su análisis aportó datos que respaldan lo que muchos han observado durante años. Es un ciclo de retroalimentación constante.

Los patrones individuales no son reglas universales para las personas con diabetes tipo 1.

A medida que el proyecto avanzaba, Josh comenzó a realizar pequeños cambios en su terapia con insulina. Sus noches de mala recuperación lo motivaron a tomar medidas. Josh les recuerda a los demás miembros de la comunidad de personas con diabetes tipo 1 que sus decisiones se basaron únicamente en sus datos personales y no deben interpretarse como consejos de tratamiento.

«No soy educador en diabetes. No soy endocrinólogo», dijo. «Esto es solo para mí».

Gracias a que Josh identificó relaciones consistentes entre ciertas métricas de recuperación y el aumento promedio de glucosa al día siguiente, descubrió que podía estimar cuánta insulina basal adicional podría necesitar.

«Ahora no es solo que dormir mal equivale a tener glucosa mala», dijo. «Es que esta cantidad de mal sueño equivale a esta cantidad de glucosa mala.»

También reconoce que su sistema automatizado de administración de insulina (AID, por sus siglas en inglés) proporciona una importante red de seguridad en caso de que sus estimaciones sean demasiado optimistas.

¿Cómo influyó el ejercicio en los datos de diabetes de Josh?

Un hallazgo puso en tela de juicio sus expectativas: Josh asumía que un mayor número de pasos diarios se traduciría sistemáticamente en un mejor manejo de la glucosa.

En cambio, la mayor diferencia se observó entre los días dedicados a moverse y los días dedicados principalmente a estar sentados.

«Lo que me sorprendió fue no encontrar una gran relación entre una mayor actividad física y niveles más bajos de glucosa», dijo.

Una vez que alcanzó de forma constante unos 7.000 pasos diarios, el movimiento adicional parecía aportar poco beneficio extra.

«Yo habría pensado que 8.000 sería mejor que 7.000. No lo vi así.»

Se rió y señaló un factor que podría haber complicado el análisis.

«Si tengo la glucosa alta, me pongo como un loco», admitió Josh.

Esos largos paseos solían ocurrir porque ya estaba lidiando con un nivel de glucosa persistentemente alto, lo que dificultaba desentrañar la relación entre el ejercicio y la glucosa.

¿Qué sigue para el experimento de datos sobre la diabetes tipo 1 de Josh?

Aunque el proyecto se centró en la experiencia de una sola persona, Josh cree que apunta hacia dónde se dirige la tecnología para la diabetes.

«Creo que en el transcurso de nuestra vida esto estará automatizado», dijo. «Ya no tendremos que indagar para encontrar estas correlaciones».

En cambio, Josh imagina una futura tecnología para la diabetes que combine datos de múltiples dispositivos portátiles para proporcionar orientación individualizada antes de que los niveles de glucosa comiencen a fluctuar.

Hasta entonces, anima a los demás miembros de la comunidad de personas con diabetes tipo 1 a priorizar la curiosidad sobre la perfección.

«No recomendaría que la gente hiciera esto porque creen que va a cambiar por completo el control de su diabetes», dijo. «Lo haría simplemente para familiarizarse con lo que está sucediendo».

Tras pasar un año inmerso en sus propios datos y compartiendo su experiencia en Reddit, la lección más importante resultó ser sorprendentemente sencilla.

«Espero que la gente sepa que lo que siente es real», dijo. «A veces uno piensa: ‘No puedo tener un respiro’. Hay algo detrás de eso. No es solo cosa de tu imaginación».

Para las personas con diabetes tipo 1, este podría ser el hallazgo más significativo. Incluso cuando los niveles de glucosa parecen impredecibles, puede haber patrones medibles subyacentes. Comprender estos patrones no eliminará la diabetes ni el esfuerzo que conlleva, pero con el tiempo podría ayudar a las personas a responder con mayor seguridad en lugar de depender de conjeturas.

Forma parte de una comunidad que comprende lo que significa vivir con diabetes tipo 1. ¡Únete a nuestra aplicación comunitaria! Establece conexiones que importen.