Detecção de diabetes precisa de melhores ferramentas; novidades a caminho

Pesquisadores sugerem que apenas medir glicose no sangue pode não detectar precocemente todos os casos de diabetes, especialmente em algumas populações.
Monitores contínuos de glicose (CGMs) e inteligência artificial podem identificar padrões metabólicos e diferentes formas de diabetes tipo 2 antes do diagnóstico tradicional, com precisão em torno de noventa por cento em testes iniciais.
Em Stanford, a equipe expandiu o uso de CGMs para prever riscos metabólicos anteriores ao diagnóstico, visando ações preventivas como alterações na dieta e nos exercícios.
Em Londres, estudo com 1,2 milhão de eletrocardiogramas treinou o modelo AIRE-DM para detectar sinais cardiovasculares associados ao diabetes futuro, com acurácia próxima de setenta por cento.
Para diabetes tipo 1, pesquisadores de Exeter desenvolveram uma calculadora online que combina idade, histórico familiar, risco genético e autoanticorpos para estimar a chance de desenvolver a doença, facilitando triagens em larga escala.

A detecção de diabetes precisa de ferramentas melhores. Pesquisadores desenvolvem métodos que vão além do monitoramento tradicional da glicose para identificar o risco mais cedo. O foco está em abordagens personalizadas que utilizam dados e tecnologia.

Globais, mais de 14% dos adultos tinham diabetes em 2022, segundo a OMS. Nos EUA, mais de 40 milhões convivem com a doença, com cerca de 11 milhões não diagnosticados. Estudos apontam que o diagnóstico tradicional pode falhar em populações específicas.

Pesquisas da Universidade de Stanford investigam monitores contínuos de glicose (CGMs) para revelar padrões metabólicos invisíveis ao diagnóstico comum de diabetes tipo 2. Um algoritmo de IA analisa dados dos CGMs com cerca de 90% de acerto na identificação de padrões.

No Reino Unido, pesquisadores da Imperial College London desenvolveram o AI-ECG Risk Estimation for Diabetes Mellitus (AIRE-DM). A ferramenta usa eletrocardiogramas para prever risco futuro de diabetes em cerca de 70% dos casos, com potencial de uso em atendimento rotineiro.

A ideia é ampliar a detecção precoce sem depender apenas do HbA1c. CGMs estão ficando mais acessíveis e podem entrar no cuidado preventivo de rotina, segundo os pesquisadores. A meta é manter pessoas saudáveis antes de complicações.

Os estudos destacam que a detecção precoce pode reduzir riscos de doenças cardíacas, renais e cegueira associadas ao diabetes. A adoção de ferramentas de IA pode sinalizar indivíduos que exigem mudanças de estilo de vida ou tratamento precoce.

Além do sangue, há investimentos em sinais indiretos. Um cálculo desenvolvido por Exeter combina fatores como idade, histórico familiar e anticorpos para estimar a probabilidade de desenvolver diabetes tipo 1, antes do aumento da glicose.

O objetivo é tornar a avaliação prática em larga escala. O modelo já está disponível para uso entre equipes clínicas, com estudos de screening em andamento para ampliar a confiabilidade antes da aprovação regulatória.

Especialistas enfatizam que essas ferramentas não substituem HbA1c ou testes tradicionais, mas funcionam como complemento. A integração em prontuários eletrônicos poderia facilitar identificação rápida de pessoas em risco.

Em resumo, a pesquisa avança em direções que complementam os métodos clássicos. O desafio é traduzir esses avanços em prática clínica estável, com validação em diferentes populações e regulamentação adequada.