Investigadores de la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad Politécnica de Madrid participan, junto a otros centros internacionales, han desarrollo algoritmos y modelos matemáticos que ayudan a mejorar los tiempos de evaluación de los pacientes de diabetes tipo 2 para mejorar su tratamiento y control.
Actualmente, el diagnóstico de la diabetes tipo 2 se realiza una vez que el paciente ya ha desarrollado complicaciones microvasculares, por lo que el objetivo es identificar de forma precoz los primeros síntomas de la enfermedad y evitar las complicaciones derivadas de ella.
Este estudio, financiado por el séptimo programa marco de la Unión Europea, se encuentra dentro del proyecto MOSAIC que aplica técnicas holísticas al diseño y validación de soluciones tecnológicas para mejorar la salud de la población y más concretamente de los pacientes diabéticos.
Según señalan, tras la validación de esta herramienta, el objetivo es integrarla en el uso diario de los sistemas de salud europeos. "Con ello se pretende además generar importantes ahorros para los sistemas de salud gracias a la reducción de hospitalizaciones y a la optimización de los tratamientos", explican.
"Los algoritmos y herramientas que diseñamos en el proyecto MOSAIC están destinados a mejorar el diagnóstico precoz de la diabetes tipo 2, el modelado y la caracterización de los pacientes con este tipo de trastorno y estudiar el riesgo de las personas que visitan las consultas de desarrollar diabetes tipo 2 y sus complicaciones asociadas", explica Giuseppe Fico, del Grupo de Investigación LifeSTech de la UPM y director técnico del proyecto.
El trabajo, desarrollado en el grupo LifeSTech de la ETSI de Telecomunicación se basa en la identificación y la definición del proceso de transformación de los algoritmos en Sistemas de Ayuda a la Decisión para la gestión y la detección de la DMT2 (herramientas de cribado) y en la evaluación del éxito de las soluciones desarrolladas.
Para ello se emplearon técnicas como entrevistas individuales y con expertos en aspectos clínicos, de proceso de salud, de negocios, etc;además de procesos analíticos jerárquicos, análisis heurístico y tests de usabilidad para detectar posibles problemas y tests finales realizados durante los ensayos piloto para analizar el rendimiento del sistema en términos de aceptación.
"Los Sistemas de Ayuda a la Decisión desarrollados durante el proyecto obtuvieron excelentes resultados que se vieron reflejados en una disminución del tiempo y mejor aprovechamiento durante las visitas de seguimiento de pacientes diabéticos y en una propuesta sobre cómo realizar un "screening inteligente" (a través de los algoritmos) para prevenir la DMT2. Todo ello puede traducirse en un mejor control de las complicaciones asociadas a la enfermedad", señala Fico.
Además, los médicos afirmaron que los algoritmos propuestos resolvían algunas necesidades concretas, como establecer comunicaciones y acciones estratégicas, basadas en la detección de riesgos detectada por los modelos, entre los distintos actores involucrados en la DMT2, como atención primaria, secundaria y agencias de salud regionales, y se mostraron satisfechos con su implementación.
Con el objetivo de seguir con la validación y explotación de los resultados del proyecto, el grupo LifeSTech (UPM) ha establecido una relación de colaboración con el Hospital Clínico San Carlos (HCSC) en Madrid, mediante la Unidad de Innovación del Instituto de Investigación Sanitaria San Carlos (IdISSC). Las herramientas desarrolladas en el proyecto MOSAIC serán utilizadas por los médicos del Servicio de Endocrinología del HCSC, con el fin de realizar una transferencia tecnológica y traducir innovaciones en la práctica clínica.
En el proyecto han participado las universidades de Padua y Pavía y la Técnica Nacional de Atenas (Grecia). Destacados departamentos de ensayos clínicos han prestado su apoyo estratégico: Universidad de Lund (Suecia), Centro de Investigación Folkhalsan (Finlandia) y Fundación Salvatore Maugeri (Italia). El consorcio se completa con Medtronic Ibérica y AEDEC (Asociación Española para el Desarrollo de la Epidemiología Clínica), respectivamente coordinador y director científico del proyecto.