Cleveland Clinic Reverte Diabetes Tipo 2 com IA, Sem Medicamentos GLP-1

Cleveland Clinic Reverte Diabetes Tipo 2 com IA, Sem Medicamentos GLP-1

As opções de Deb Bauer estavam se esgotando cinco anos após o diagnóstico de diabetes tipo 2.

Bauer sabia que seus níveis de glicose estavam aumentando gradualmente em cada consulta anual com seu médico de atenção primária (PCP). Em 2017, ela recebeu a notícia de que tinha diabetes.

Seu médico recomendou reduzir o consumo de açúcar, o que ela sabia ser um bom conselho. No entanto, mudar hábitos profundamente enraizados se mostrou desafiador.

Em 2022, ela tomava três medicamentos para glicose para diabetes, além de remédios para fibromialgia e antibióticos para infecções bucais. Seu índice de massa corporal (IMC) era 35,6, acima do limite de 30 para obesidade.

Após a aposentadoria de seu PCP, Bauer buscou atendimento no Family Health Center da Cleveland Clinic. Seu novo médico sugeriu adicionar insulina aos medicamentos diários.

Bauer, agora com 63 anos, expressou medo da insulina, não pelas injeções em si, mas pelo declínio na saúde que isso significava. Esse medo a motivou a assumir o controle de sua saúde.

Felizmente, a Cleveland Clinic estava se preparando para pesquisar uma abordagem não farmacológica para pacientes com diabetes tipo 2. A Twin Health afirmava ter desenvolvido o primeiro "gêmeo digital" alimentado por IA do metabolismo dos pacientes, que o sistema de saúde decidiu testar.

Essa intervenção não envolvia injeções, comprimidos ou rotinas rigorosas de exercícios. A Twin Health visava melhorar biomarcadores e sintomas do diabetes tipo 2 usando um app e dispositivos sincronizados via Bluetooth: balança, manguito de pressão arterial e dispositivo vestível, similar a um Fitbit.

Após um ano no estudo, a neuropatia de Bauer desapareceu. Seu dentista ficou surpreso ao ver que os abscessos em sua boca haviam cicatrizado. Ela interrompeu todos os comprimidos para dormir e dor, assim como a maioria dos medicamentos reguladores de glicose, exceto a metformina. Ela perdeu 50 libras e não atendia mais aos critérios de obesidade.

A mudança mais significativa foi em sua hemoglobina A1C, que mede a glicemia média dos últimos dois a três meses. Antes de usar o app da Twin Health, a A1C de Bauer estava acima de 8%, indicando alto risco de complicações. Agora, está em torno de 5,8%, o que a Cleveland Clinic considera não compatível com diabetes (abaixo de 6,5%).

"Eu nunca sonhei em ver isso novamente, jamais", disse Bauer.

Dr. Kevin Pantalone, endocrinologista e diretor de iniciativas de diabetes na Cleveland Clinic, admitiu que inicialmente era cético. Ele disse: "O cético em mim queria saber mais."

Pantalone explicou que pacientes com diabetes tipicamente progridem de um medicamento para múltiplos à medida que a condição piora. A ideia de controlar o diabetes enquanto se reduz medicamentos parecia altamente ambiciosa.

No final do estudo de 12 meses com 150 pacientes, ele se convenceu. Setenta e um dos 100 pacientes usando a intervenção da Twin Health alcançaram A1C abaixo de 6,5%, revertendo efetivamente seu diabetes tipo 2. Apenas 2,4% dos 50 pacientes recebendo cuidados padrão alcançaram o mesmo resultado.

Mais da metade dos usuários da Twin Health pararam de tomar todos os medicamentos redutores de glicose, exceto metformina, em comparação com 2,8% no grupo de cuidados padrão. Pacientes da Twin Health também perderam peso a uma taxa aproximadamente duas vezes maior que seus pares.

Pantalone afirmou que nada além da cirurgia bariátrica demonstrou capacidade de melhorar a autonomia, auxiliar na perda de peso e reduzir medicamentos para diabetes tipo 2 simultaneamente. Ele acredita que o gêmeo digital está mudando isso.

Gêmeos digitais são representações virtuais de entidades do mundo real que podem simular o impacto de ações sem afetar os originais. A IBM relata que 75% das empresas usam gêmeos digitais para decisões baseadas em dados, particularmente na otimização de cadeia de suprimentos e desenvolvimento de produtos.

Gêmeos digitais estão ganhando força na saúde à medida que a IA melhora na análise de dados em alta velocidade. A GE HealthCare os usa para prever capacidades de pacientes e redesenhar unidades médicas. A tecnologia da Sophia Genetics é usada em mais de 70 países para auxiliar no diagnóstico e tratamento de câncer, utilizando dados de pacientes com características semelhantes. A cada mês, mais de 35.000 pacientes oncológicos são modelados contra os gêmeos digitais da empresa para identificar origens genômicas potenciais e prever respostas à terapia, segundo Jurgi Camblong, fundador e CEO da Sophia Genetics.

Camblong enfatizou a importância de basear a medicina em dados objetivos para ajudar pacientes a entenderem suas opções e tomarem decisões informadas.

Criar um gêmeo digital para o metabolismo de uma pessoa era considerado quase impossível devido à complexidade, segundo Jahangir Mohammed, fundador e CEO da Twin Health. Ele fundou anteriormente a Kineto Wireless e a Jasper (vendida para a Cisco por US$ 1,4 bilhão em 2016).

Mohammed concebeu a ideia da Twin Health enquanto visitava a família no sul da Índia, onde soube que quatro em cada dez parentes tinham diabetes tipo 2. Ele notou sua discussão casual sobre níveis altos de glicose no sangue.

Ele descobriu que mais de 77 milhões de adultos na Índia têm diabetes tipo 2, e mais da metade não sabem. Nos EUA, 38,1 milhões de adultos atendem aos critérios para diagnóstico.

A pesquisa de Mohammed indicou que muitas doenças crônicas prevalentes frequentemente se agrupam: diabetes, obesidade, hipertensão, colesterol alto e doença hepática gordurosa. Não controladas, elas podem levar a consequências graves como derrame e Alzheimer.

A Organização Mundial da Saúde estima que doenças evitáveis causam mais de 60% das mortes globais. Pesquisas crescentes ligam várias doenças a um metabolismo disfuncional.

Mohammed considera a disfunção metabólica "talvez o maior problema não resolvido do mundo".

Clínicos explicaram a ele que o metabolismo é complexo, dinâmico e varia para cada indivíduo. Centenas de vias metabólicas impactam milhares de biomarcadores, tornando impossível simplificá-lo em um único teste ou snapshot.

Mohammed se concentrou nas verdades fundamentais sobre o metabolismo: ele é influenciado pelo comportamento, incluindo dieta, exercício, sono, estresse e medicamentos. Inversamente, a biologia de uma pessoa afeta seus impulsos, energia e ações. Apps de rastreamento de saúde como Shotlee podem ajudar a monitorar esses fatores.

"Comportamento causa biologia. Biologia causa comportamento", disse Mohammed. "É uma causalidade circular."

Ele acreditava que visualizar os efeitos biológicos das ações por meio de um gêmeo digital poderia motivar mudanças comportamentais. Orientação contínua de um agente de IA poderia facilitar a descoberta e manutenção de um caminho saudável.

Essa hipótese reverteu o diabetes de Deb Bauer transformando uma escolha potencialmente negativa em um resultado positivo.

A plataforma Twin Health fornece insights em tempo real sobre como decisões sobre comida, movimento, sono, estresse e medicamentos afetam a saúde metabólica. Ela combina monitoramento biométrico contínuo, conjuntos de dados extensos, algoritmos de IA específicos para comportamento e coaching humano em um app para smartphone.

Mohammed e sua equipe passaram sete anos coletando dados para alimentar o sistema, analisando 8 milhões de refeições consumidas por pessoas usando monitores contínuos de glicose (CGM). Eles anotaram padrões de consumo de alimentos e atividades redutoras de açúcar no sangue. Esses dados permitem que o modelo preveja respostas de glicose e ofereça recomendações personalizadas.

O sistema fica mais personalizado com cada nova entrada de dados. A plataforma coleta biomarcadores contínuos e dados de comportamento para criar um modelo digital da biologia individual, vias metabólicas e efeitos comportamentais. "Ele discerni causa e efeito", explicou Mohammed.

Cada paciente usa quatro sensores habilitados para Bluetooth: um adesivo CGM, manguito de pressão arterial, balança corporal e smartwatch. Esse fluxo de entrada biométrica, cerca de 3.000 pontos de dados por usuário por dia, forma a base para o motor de IA.

O Twin aprende a entender o contexto. Se o paciente estiver em casa, pode sugerir uma caminhada de 10 minutos após a refeição. Ele também se adapta a preferências individuais.

"Se eu recuso salada três vezes, ele não me incomoda na quarta", disse Mohammed.

Sinais de alerta acionam um momento de "toque humano", escalando para um coach ao vivo ou clínico.

Para pacientes como Bauer, o loop de feedback constante foi transformador.

"Tudo que eu comia, se eu dava uma mordida, eu registrava", disse ela. "Com o tempo, uma vez que eu comecei a registrar minha comida, ele me dizia que essa refeição não é boa para você."

Pantalone acredita que a orientação em tempo real foi o diferencial chave no estudo da Cleveland Clinic.

"O que proporcionou o sucesso dessa intervenção foi o feedback em tempo real que os pacientes recebiam por meio do engajamento com o app", afirmou Pantalone. O app escaneava rótulos de alimentos na loja de supermercado, classificando-os como "verde, laranja ou vermelho", ajudando os usuários a fazerem escolhas mais saudáveis.

O aconselhamento tradicional para diabetes carece dessa imediatidade. "[Pacientes] ouvem o que deveriam fazer, mas quando estão em casa realmente fazendo, não há ninguém lá em tempo real ajudando no processo de tomada de decisão."

Bauer relatou ver resultados diários, motivando-a a superar desafios e continuar se beneficiando de seus esforços. Dados iniciais da Twin Health indicam melhorias fisiológicas rápidas.

"A maioria das pessoas sente mudança em uma semana, e há uma mudança notável em 90 dias", disse Mohammed. "A biologia humana é resiliente e adaptável. Ela responde rapidamente."

Se a abordagem da Twin Health se provar sustentável, poderia mudar como clínicos veem doenças metabólicas crônicas. Médicos tradicionalmente veem o diabetes tipo 2 como inevitavelmente piorando.

"Nós dizemos a eles que o diabetes é uma doença progressiva, e que mesmo se fizerem tudo certo com dieta e exercício, podem precisar de mais terapia com o tempo", explicou Pantalone. Isso pode ser emocionalmente desgastante, e pacientes frequentemente se sentem fracassados quando sua lista de medicamentos cresce.

O estudo da Twin Health desafia essa narrativa, incentivando outros sistemas de saúde a considerarem abordagens semelhantes. Dra. Maria Ansari, co-CEO da Permanente Federation, afirmou que sua organização está testando a Twin Health após revisar os resultados da Cleveland Clinic.

Além dos resultados clínicos, a tecnologia também pode proporcionar alívio financeiro. Mohammed estima que a plataforma economiza cerca de US$ 8.000 por ano por paciente com diabetes, e 89% dos usuários de alto custo de GLP-1 em programas de seguro comercial da Twin Health não recuperaram peso significativo após a interrupção.

Clínicos também notaram que a tecnologia revela que pacientes são mais capazes e motivados do que se assumia anteriormente. Pantalone observou que adultos mais velhos e pacientes de longa data prosperaram no programa.

"Meus próprios preconceitos como médico não deveriam determinar as opções que dou ao meu paciente", disse ele. "Quem sou eu para dizer 'Eu não acho que você consiga fazer isso'?"

Atualmente, a Twin Health é oferecida por empregadores, planos de saúde e sistemas de saúde selecionados. Mohammed afirmou que a empresa está se preparando para demanda além de pacientes com doenças crônicas diagnosticadas.

"Há demanda significativa do mercado por gêmeos digitais de IA para todos", ele afirmou, "porque por que esperar as pessoas ficarem doentes?"

Embora o estudo da Cleveland Clinic não tenha revelado preocupações de segurança, o modelo de gêmeo digital requer supervisão cuidadosa.

O engajamento sustentado é uma grande barreira para o sucesso. Pantalone notou que alguns pacientes lutaram devido a "falta de sucesso inicial ou falta de sistema de apoio em casa". Registrar alimentos pode parecer estranho no início.

O gêmeo digital também precisa de dados contínuos e precisos. Bauer teve que adiar a entrada no estudo devido a antibióticos afetando suas leituras de glicose. Pacientes em certos medicamentos podem não ser elegíveis.

Diferente de medicamentos com efeitos colaterais fisiológicos, a orientação do gêmeo foca em dieta, movimento, sono e gerenciamento de estresse. Pacientes também podem achar mais fácil ser honestos com o app do que com um médico.

"As pessoas rapidamente aprendem que [o gêmeo digital] sempre diz a verdade, mas não as julga", disse Mohammed.

À medida que mais sistemas de saúde adotam gêmeos metabólicos, resultados de longo prazo precisam ser acompanhados. A Cleveland Clinic estendeu seu estudo com a Twin Health, mas os dados ainda não estão disponíveis. Pantalone antecipa alguma redução na taxa de remissão de um ano com o tempo.

Ainda assim, ele acredita: "Vamos ver sucesso na maioria dos pacientes, porque eles aprenderam um novo estilo de vida por meio dessa intervenção."