Um sistema voltado para o controle de diabetes que utiliza IA ajudou pacientes a reduzir a HbA1c

Um novo sistema de gerenciamento de diabetes¹ que utilizou inteligência artificial (IA) para recomendar mudanças personalizadas no estilo de vida ajudou pessoas com diabetes tipo 2² e obesidade³ a reduzir o uso de medicamentos hipoglicemiantes⁴, segundo um estudo randomizado⁵ publicado no periódico NEJM Catalyst Innovations in Care Delivery.

Entre 150 adultos, 71% que utilizaram o sistema atingiram HbA1c⁶ abaixo de 6,5% sem medicamentos hipoglicemiantes⁴ além da metformina⁷, em comparação com 2,4% do grupo de tratamento habitual no 12º mês (P <0,001). Mais adultos também atingiram esse marco pelo menos 90 dias antes da marca dos 12 meses (52,5% vs. 2,8%, P <0,001), relataram Kevin Pantalone, médico da Cleveland Clinic em Ohio, e colegas.

Em média, os pacientes que utilizaram esse sistema apresentaram uma redução de 1,3% na HbA1c⁶, em comparação com uma redução de 0,3% com o tratamento habitual (P <0,001).

“A redução de 1,3% na HbA1c⁶ ao longo de 12 meses no grupo de intervenção foi clinicamente relevante, pois cada redução de 1% foi associada a um risco 37% menor de complicações microvasculares e a um risco 21% menor de qualquer desfecho relacionado ao diabetes¹ ou morte”, escreveram os pesquisadores.

“Muito poucos” participantes no grupo de intervenção estavam usando inibidores da DPP-4, inibidores do SGLT-2 ou agonistas do receptor de GLP-1 aos 12 meses, observaram, enquanto esse número aumentou entre os pacientes com tratamento habitual.

Aqueles que usaram o sistema também perderam significativamente mais peso corporal (-8,6% vs -4,6%, P <0,001).

Leia sobre "Diabetes tipo 2² tem cura?" e "Avanços recentes no tratamento do diabetes¹".

O sistema integrado com IA utilizou sensores e acompanhamento para orientar os pacientes. Ele gerou recomendações personalizadas com base em dados de monitores contínuos de glicose⁸ (MCGs), dados laboratoriais, Internet das Coisas (IoT), algoritmos de IA/aprendizado de máquina (ML) e contribuição humana.

“Essa abordagem escalável e acessível pode ter aplicabilidade universal para diversas populações com diabetes tipo 2², com sobrecarga mínima de tempo nos recursos de atenção primária”, observaram Pantalone e co-autores. “Aproveitar as inovações emergentes em IA e ML apresenta novas oportunidades para implementar mudanças no estilo de vida de pacientes com diabetes tipo 2².”

O ensaio foi o primeiro estudo randomizado⁵ a testar um sistema integrado habilitado por IA como este em pacientes com diabetes tipo 2² em um ambiente de atenção primária nos EUA, acrescentaram. Foi um estudo unicêntrico, não cego, que recrutou participantes de 13 profissionais de atenção primária e um grupo de quatro endocrinologistas do Centro de Saúde⁹ da Família da Cleveland Clinic.

Os participantes elegíveis tinham entre 18 e 75 anos (idade média de 58,5 anos), apresentavam diabetes tipo 2² com duração autorreferida de no máximo 15 anos (média de 9 anos) e IMC¹⁰ de pelo menos 27 (média de 35,1). Eles tinham HbA1c⁶ entre 7,5% e 11%; ou HbA1c⁶ ≥6,5%, mas <7,5% em uso de medicamento hipoglicemiante¹¹; ou HbA1c⁶ <6,5%, em uso de pelo menos um medicamento hipoglicemiante¹¹ que não fosse metformina⁷, com ou sem metformina⁷.

Os participantes foram randomizados 2:1 para o sistema ou para o tratamento habitual. Eles instalaram o aplicativo do sistema em seus smartphones e receberam quatro dispositivos compatíveis, incluindo um MCG, um sensor de atividade, uma balança inteligente e um medidor de pressão arterial¹².

O sistema mediu os padrões pessoais de aberração glicêmica associados a refeições específicas. Os algoritmos de IA/ML sugeriram “o alimento certo para o participante certo na hora certa” e forneceram recomendações nutricionais, de atividade e de sono para auxiliar no controle glicêmico.

Uma diferença que distinguia o sistema de outros era que ele utilizava uma dieta personalizada “relativamente liberal”, considerando as preferências alimentares individuais. Os alimentos eram codificados por cores: verde (recomendado), laranja (consumir com moderação) ou vermelho (desaconselhado). O aplicativo personalizava as recomendações alimentares com base nos alimentos categorizados tanto como recomendados quanto como preferidos pelo participante. Um recurso de leitura de código de barras no aplicativo ajudava os participantes a identificar a categoria de cor de um produto alimentício (verde, laranja ou vermelho) durante as compras de supermercado.

Não havia limite de calorias¹³, e os participantes eram instruídos a comer até se sentirem saciados. Os participantes tinham uma meta diária de 5.000 passos, que aumentou gradualmente para uma meta de 7.000 passos ou mais, e foram incentivados a realizar treinamento de força (resistência) por 20 minutos, três vezes por semana. Os participantes recebiam até 15 recomendações atualizadas por semana pelo aplicativo.

Eles também tiveram conversas diárias por texto com coaches de saúde⁹ certificados que complementaram as recomendações por 10 dias e conforme necessário posteriormente, seguidas por videochamadas em 2 semanas e aos 1, 3, 6, 9 e 12 meses.

A maioria dos participantes (88%) no grupo de intervenção permaneceu engajada com o sistema por 12 meses, o que confirmou sua usabilidade e foi corroborado por maiores índices de qualidade de vida e satisfação no grupo de intervenção, observaram os pesquisadores.

No mundo real, os pacientes podem relutar em usar essa tecnologia, afirmou o grupo de Pantalone, mas destacou que apenas quatro das 311 pessoas contatadas para o estudo se recusaram a participar.

“O estudo e a aplicação contínuos de tecnologias habilitadas por IA podem levar a medidas altamente acessíveis e transformadoras para abordar grandes desafios médicos, como diabetes¹ e outras doenças crônicas, para as quais o sistema médico atual simplesmente não tem capacidade para lidar com a mesma intensidade personalizada”, concluíram.

Veja também sobre "Método de monitoramento contínuo da glicose⁸" e "Hemoglobina glicosilada¹⁴".

Confira a seguir o resumo do artigo publicado.

Desaceleração da farmacoterapia do diabetes tipo 2² por meio de modificações no estilo de vida habilitadas por IA: um ensaio clínico randomizado¹⁵

O controle glicêmico ideal no diabetes tipo 2² (DM2) permanece um objetivo distante, apesar da crescente gama de tratamentos e tecnologias eficazes. A adesão sustentada e disciplinada às modificações no estilo de vida leva a resultados positivos no DM2, embora converter recomendações médicas em ações efetivas para o paciente seja desafiador na prática.

O surgimento da IA e do aprendizado de máquina (ML) apresenta oportunidades inovadoras para promover modificações eficazes no estilo de vida e o alcance das metas de diabetes¹ de maneiras altamente específicas e fáceis de usar.

O sistema Twin Precision Treatment é um sistema integrado de sensores e acompanhamento habilitado por IA que gera recomendações personalizadas por meio de tecnologias vestíveis com Bluetooth (incluindo monitores contínuos de glicose⁸), dados laboratoriais direcionados, Internet das Coisas (IoT), algoritmos de IA/ML e intervenção humana.

Os autores projetaram um estudo para explorar se essa intervenção sistêmica agregada (INT) poderia ou não ajudar indivíduos com DM2 e tratados em um ambiente de atenção primária a atingir metas glicêmicas enquanto simultaneamente reduziam os medicamentos hipoglicemiantes⁴.

Este ensaio clínico unicêntrico atribuiu aleatoriamente 150 adultos com DM2 e um índice de massa corporal¹⁶ ≥27 à INT (N = 100) ou a um grupo controle de cuidados habituais (CH) (N = 50). O desfecho primário foi um nível de hemoglobina¹⁷ A1c¹⁸ (HbA1c⁶) <6,5% (<48 mmol/mol; “alvo”) sem medicamentos hipoglicemiantes⁴, exceto metformina⁷, em 12 meses; um desfecho secundário foi o mesmo desfecho sustentado por ≥90 dias antes dos 12 meses. Outros desfechos secundários incluíram o alcance da meta sem quaisquer medicamentos hipoglicemiantes⁴ aos 12 meses e ≥90 dias antes dos 12 meses, bem como alterações na HbA1c⁶ e no peso aos 12 meses.

O desfecho primário foi alcançado por 71,0% (intervalo de confiança [IC] de 95%, 60,1 a 80,0) dos participantes do grupo INT versus 2,4% (IC de 95%, 0,5 a 11,6) dos participantes do CH (P <0,001). Significativamente mais participantes do grupo INT do que participantes do CH atingiram ou mantiveram a meta ≥90 dias antes dos 12 meses sem medicamentos hipoglicemiantes⁴, exceto metformina⁷ (52,5% vs. 2,8%; P <0,001).

As alterações médias nos níveis de HbA1c⁶ (-1,3% vs. -0,3%; P <0,001) e no peso corporal (-8,6% vs. -4,6%; P <0,001) foram significativamente maiores no grupo INT do que no grupo de CH. Outros desfechos secundários não foram significativamente diferentes.

Na análise post hoc, o uso geral de farmacoterapia hipoglicemiante¹¹ diminuiu acentuadamente no grupo INT, mas não no grupo de CH. Os escores de qualidade de vida e satisfação com o tratamento melhoraram significativamente em relação ao valor basal no grupo INT, mas não no grupo de CH (análises exploratórias).

No geral, o sistema integrado de sensores e acompanhamento habilitado por IA facilitou melhorias significativas no controle glicêmico, perda de peso e qualidade de vida em comparação com os cuidados habituais, ao mesmo tempo que permitiu uma redução acentuada da farmacoterapia hipoglicemiante¹¹.