Cleveland Clinic revierte diabetes tipo 2 con IA, no fármacos GLP-1

Cleveland Clinic revierte la diabetes tipo 2 con IA, no con fármacos GLP-1

Las opciones de Deb Bauer se reducían cinco años después de su diagnóstico de diabetes tipo 2.

Bauer sabía que sus niveles de glucosa aumentaban gradualmente en cada chequeo anual con su médico de atención primaria (MAP). En 2017, recibió la noticia de que tenía diabetes.

Su médico le aconsejó reducir el consumo de azúcar, lo cual sabía que era un buen consejo. Sin embargo, cambiar hábitos arraigados resultó desafiante.

Para 2022, tomaba tres medicamentos para la glucosa por diabetes, además de fármacos para fibromialgia y antibióticos para infecciones bucales. Su índice de masa corporal (IMC) era 35.6, superando el umbral de obesidad de 30.

Tras la jubilación de su MAP, Bauer buscó atención en el Family Health Center de Cleveland Clinic. Su nuevo médico sugirió agregar insulina a sus medicamentos diarios.

Bauer, ahora de 63 años, expresó su miedo a la insulina, no por las inyecciones en sí, sino por el deterioro de la salud que representaba. Este miedo la motivó a tomar el control de su salud.

Afortunadamente, Cleveland Clinic se preparaba para investigar un enfoque no farmacológico para pacientes con diabetes tipo 2. Twin Health afirmaba haber desarrollado el primer "gemelo digital" impulsado por IA de los metabolismos de los pacientes, que el sistema de salud decidió probar.

Esta intervención no involucraba inyecciones, píldoras ni rutinas de ejercicio estrictas. Twin Health buscaba mejorar biomarcadores y síntomas de la diabetes tipo 2 mediante una app y dispositivos sincronizados por Bluetooth: una báscula, un manguito de presión arterial y un dispositivo wearable similar a un Fitbit.

Después de un año en el ensayo, la neuropatía de Bauer desapareció. Su dentista se sorprendió al ver que los abscesos en su boca se habían curado. Dejó todos los somníferos y analgésicos, así como la mayoría de los medicamentos reguladores de glucosa, excepto la metformina. Perdió 50 libras y ya no cumplía con los criterios de obesidad.

El cambio más significativo fue en su hemoglobina A1c, que mide el azúcar en sangre promedio de los últimos dos o tres meses. Antes de usar la app de Twin Health, la A1c de Bauer superaba el 8 por ciento, indicando alto riesgo de complicaciones. Ahora, está alrededor del 5.8 por ciento, que Cleveland Clinic considera no consistente con diabetes (menos del 6.5 por ciento).

"Nunca soñé que volvería a ver eso", afirmó Bauer.

El Dr. Kevin Pantalone, endocrinólogo y director de iniciativas de diabetes en Cleveland Clinic, admitió que inicialmente era escéptico. Dijo: "El escéptico en mí quería saber más".

Pantalone explicó que los pacientes con diabetes suelen progresar de un medicamento a múltiples a medida que su condición empeora. La idea de controlar la diabetes mientras se reducen los medicamentos parecía muy ambiciosa.

Al final del estudio de 12 meses con 150 pacientes, se convenció. Setenta y uno de los 100 pacientes que usaron la intervención de Twin Health lograron una A1c por debajo del 6.5 por ciento, revirtiendo efectivamente su diabetes tipo 2. Solo el 2.4 por ciento de los 50 pacientes con atención estándar lograron el mismo resultado.

Más de la mitad de los usuarios de Twin Health dejaron todos los medicamentos reductores de glucosa excepto la metformina, comparado con el 2.8 por ciento en el grupo de atención estándar. Los pacientes de Twin Health también experimentaron pérdida de peso a aproximadamente el doble de la tasa de sus pares.

Pantalone afirmó que nada aparte de la cirugía bariátrica ha demostrado mejorar la autonomía, ayudar en la pérdida de peso y reducir simultáneamente los medicamentos para la diabetes tipo 2. Cree que el gemelo digital está cambiando eso.

Los gemelos digitales son representaciones virtuales de entidades del mundo real que pueden simular el impacto de acciones sin afectar los originales. IBM informa que el 75 por ciento de las empresas usan gemelos digitales para decisiones basadas en datos, particularmente en optimización de cadenas de suministro y desarrollo de productos.

Los gemelos digitales ganan impulso en la atención sanitaria a medida que la IA mejora en el análisis de datos a alta velocidad. GE HealthCare los usa para anticipar capacidades de pacientes y rediseñar unidades médicas. La tecnología de Sophia Genetics se utiliza en más de 70 países para ayudar en el diagnóstico y tratamiento del cáncer, utilizando datos de pacientes con características similares. Cada mes, más de 35.000 pacientes oncológicos se modelan contra los gemelos digitales de la empresa para identificar orígenes genómicos potenciales y predecir respuestas a terapias, según Jurgi Camblong, fundador y CEO de Sophia Genetics.

Camblong enfatizó la importancia de basar la medicina en datos objetivos para ayudar a los pacientes a entender sus opciones y tomar decisiones informadas.

Crear un gemelo digital para el metabolismo de una persona se consideraba casi imposible debido a su complejidad, según Jahangir Mohammed, fundador y CEO de Twin Health. Previamente fundó Kineto Wireless y Jasper (vendida a Cisco por 1.400 millones de dólares en 2016).

Mohammed concibió la idea de Twin Health mientras visitaba a su familia en el sur de India, donde descubrió que cuatro de cada diez parientes tenían diabetes tipo 2. Notó su discusión casual sobre niveles altos de glucosa en sangre.

Descubrió que más de 77 millones de adultos en India tienen diabetes tipo 2, y más de la mitad no lo saben. En EE.UU., 38,1 millones de adultos cumplen con los criterios de diagnóstico.

La investigación de Mohammed indicó que muchas enfermedades crónicas prevalentes suelen agruparse: diabetes, obesidad, hipertensión, colesterol alto y enfermedad del hígado graso. Sin control, pueden llevar a consecuencias graves como derrames cerebrales y Alzheimer.

La Organización Mundial de la Salud estima que las enfermedades prevenibles causan más del 60 por ciento de las muertes globales. La investigación creciente vincula varias enfermedades a un metabolismo disfuncional.

Mohammed considera la disfunción metabólica "quizá el problema no resuelto más grande del mundo".

Los clínicos le explicaron que el metabolismo es complejo, dinámico y varía para cada individuo. Cientos de vías metabólicas impactan miles de biomarcadores, haciendo imposible simplificarlo en una sola prueba o instantánea.

Mohammed se concentró en las verdades fundamentales sobre el metabolismo: está influido por el comportamiento, incluyendo dieta, ejercicio, sueño, estrés y medicamentos. A la inversa, la biología de una persona afecta sus impulsos, energía y acciones. Apps de seguimiento de salud como Shotlee pueden ayudar a monitorear estos factores.

"El comportamiento causa biología. La biología causa comportamiento", afirmó Mohammed. "Es una causalidad circular".

Creía que visualizar los efectos biológicos de las acciones a través de un gemelo digital podría motivar cambios de comportamiento. La guía continua de un agente de IA podría facilitar encontrar y mantener un camino saludable.

Esta hipótesis revirtió la diabetes de Deb Bauer transformando una elección potencialmente negativa en un resultado positivo.

La plataforma de Twin Health proporciona información en tiempo real sobre cómo las decisiones sobre comida, movimiento, sueño, estrés y medicamentos afectan la salud metabólica. Combina monitoreo biométrico continuo, conjuntos de datos extensos, algoritmos de IA específicos para comportamientos y coaching humano en una app para smartphone.

Mohammed y su equipo pasaron siete años recopilando datos para alimentar el sistema, analizando 8 millones de comidas consumidas por personas con monitores continuos de glucosa (MCG). Notaron patrones de consumo de alimentos y actividades reductoras de azúcar en sangre. Estos datos permiten al modelo predecir respuestas de glucosa y ofrecer recomendaciones personalizadas.

El sistema se personaliza más con cada nueva entrada de datos. La plataforma recopila biomarcadores continuos y datos de comportamiento para crear un modelo digital del biología individual, vías metabólicas y efectos conductuales. "Discernir causa y efecto", explicó Mohammed.

Cada paciente usa cuatro sensores habilitados para Bluetooth: un parche de MCG, un manguito de presión arterial, una báscula corporal y un reloj inteligente. Este flujo de entrada biométrica, aproximadamente 3.000 puntos de datos por usuario al día, forma la base del motor de IA.

El Twin aprende a entender el contexto. Si un paciente está en casa, podría sugerir una caminata de 10 minutos después de una comida. También se adapta a preferencias individuales.

"Si rechazo la ensalada tres veces, no me molesta la cuarta", dijo Mohammed.

Las señales de alerta activan un "toque humano", escalando a un coach en vivo o clínico.

Para pacientes como Bauer, el ciclo de retroalimentación constante fue transformador.

"Todo lo que comía, si tomaba un bocado, lo ingresaba", dijo. "Con el tiempo, una vez que empecé a ingresar mi comida, me decía que esa comida no era buena para mí".

Pantalone cree que la guía en tiempo real fue el diferenciador clave en el ensayo de Cleveland Clinic.

"Lo que proporcionó el éxito de esta intervención fue la retroalimentación en tiempo real que los pacientes recibían a través del compromiso con la app", afirmó Pantalone. La app escaneaba etiquetas de alimentos en la tienda de comestibles, clasificándolos como "verde, naranja o rojo", ayudando a los usuarios a hacer elecciones más saludables.

El asesoramiento tradicional para diabetes carece de esta inmediatez. "[Los pacientes] oyen lo que deben hacer, pero cuando están en casa haciéndolo, no hay nadie allí en tiempo real ayudándolos en el proceso de toma de decisiones".

Bauer informó ver resultados diarios, motivándola a superar desafíos y continuar beneficiándose de sus esfuerzos. Datos iniciales de Twin Health indican mejoras fisiológicas rápidas.

"La mayoría siente cambio en una semana, y hay un cambio notable en 90 días", dijo Mohammed. "La biología humana es resiliente y adaptable. Responde rápidamente".

Si el enfoque de Twin Health resulta sostenible, podría cambiar cómo los clínicos ven la enfermedad metabólica crónica. Los médicos han visto tradicionalmente la diabetes tipo 2 como inevitablemente progresiva.

"Les decimos que la diabetes es una enfermedad progresiva, y que incluso si hacen todo bien con su dieta y ejercicio, podrían requerir más terapia con el tiempo", explicó Pantalone. Esto puede ser emocionalmente agotador, y los pacientes a menudo sienten que han fallado cuando su lista de medicamentos crece.

El ensayo de Twin Health desafía esta narrativa, impulsando a otros sistemas de salud a considerar enfoques similares. La Dra. Maria Ansari, co-CEO de la Permanente Federation, afirmó que su organización está probando Twin Health tras revisar los resultados de Cleveland Clinic.

Más allá de los resultados clínicos, la tecnología también puede proporcionar alivio financiero. Mohammed estima que la plataforma ahorra alrededor de 8.000 dólares por año por paciente con diabetes, y el 89 por ciento de los usuarios de alto costo de GLP-1 en programas de seguros comerciales de Twin Health no recuperaron peso significativo tras la discontinuación.

Los clínicos también han notado que la tecnología revela que los pacientes son más capaces y motivados de lo asumido previamente. Pantalone observó que adultos mayores y pacientes de larga data prosperaron en el programa.

"Mis propios sesgos como médico no deberían determinar qué opciones doy a mi paciente", dijo. "¿Quién soy yo para decir 'No creo que puedas hacer esto'?"

Actualmente, Twin Health se ofrece a través de empleadores, planes de salud y sistemas de salud selectos. Mohammed afirmó que la empresa se prepara para la demanda más allá de pacientes con enfermedades crónicas diagnosticadas.

"Hay una demanda significativa del mercado por gemelos digitales con IA para todos", afirmó, "porque ¿por qué esperar a que la gente se enferme?"

Aunque el estudio de Cleveland Clinic no reveló preocupaciones de seguridad, el modelo de gemelo digital requiere supervisión cuidadosa.

El compromiso sostenido es una barrera mayor para el éxito. Pantalone señaló que algunos pacientes lucharon por "falta de éxito temprano o falta de sistema de apoyo en casa". Registrar alimentos puede sentirse incómodo inicialmente.

El gemelo digital también necesita datos continuos y precisos. Bauer tuvo que retrasar su ingreso al estudio debido a antibióticos que afectaban sus lecturas de glucosa. Los pacientes en ciertos medicamentos pueden no ser elegibles.

A diferencia de los medicamentos con efectos secundarios fisiológicos, la guía del gemelo se centra en dieta, movimiento, sueño y manejo del estrés. Los pacientes también pueden encontrar más fácil ser honestos con la app que con un médico.

"La gente aprende rápidamente que [el gemelo digital] siempre dice la verdad pero no los juzga", dijo Mohammed.

A medida que más sistemas de salud adoptan gemelos metabólicos, se deben rastrear resultados a largo plazo. Cleveland Clinic extendió su estudio de Twin Health, pero los datos no están disponibles aún. Pantalone anticipa algo de disminución en la tasa de remisión de un año con el tiempo.

Aún así, cree: "Vamos a ver éxito en la mayoría de los pacientes, porque aprendieron un nuevo estilo de vida a través de esta intervención".