En España, la diabetes afecta a más de 6 millones de personas, suponiendo un desafío cotidiano que impacta en la autonomía, la salud y la calidad de vida de quienes la padecen, generando además un gasto superior al 10% del presupuesto sanitario global, lo que convierte a la eficiencia no es solo una meta médica, sino una necesidad de sostenibilidad para el sistema. En este escenario, la Inteligencia Artificial (IA) ha dejado de ser una promesa para convertirse en el motor de un cambio de paradigma, aprovechando el flujo de datos constante y masivo que proporcionan los sensores utilizados en esta clase de pacientes. Al frente de esta transformación se encuentra Josep Vehí, catedrático de la Universitat de Girona (UdG) e impulsor de la Cátedra UdG-Dexcom, que nos ha trasladado su visión, integrando el rigor de la ingeniería con una profunda sensibilidad hacia el paciente.
Para Vehí, la clave no está en que el paciente se convierta en un esclavo de sus métricas, sino en un cambio de jerarquía tecnológica. «En nuestro grupo de investigación llevamos ya 20 años trabajando con tecnologías de diabetes«, un tiempo en el que han perfeccionado sensores continuos de glucosa y algoritmos de control, pero, sin embargo, el horizonte ha cambiado porque «el paso que nos falta dar en diabetes es que la tecnología se adapte a la persona y no al revés».
A diferencia de otras patologías, la diabetes genera un ecosistema de datos masivos y constantes que la convierten en el campo de entrenamiento perfecto para los algoritmos. Esto ha permitido pasar de la monitorización pasiva a la predicción activa. «La diabetes es el primer caso o la primera enfermedad en la cual tenemos acceso a datos masivos gracias a los monitores continuos y a las bombas de insulina», afirma Vehí. Gracias a que los sensores actuales envían información cada cinco minutos, el equipo de Vehí ha sido pionero en anticipar crisis glucémicas, porque «teníamos ya lo que necesitábamos para predecir, por ejemplo, el riesgo al poner un bonus de insulina o el riesgo de una hipoglucemia nocturna, para lograr cambiar hábitos de vida».
Gemelos digitales: una réplica virtual para entender la vida real
Uno de los pilares de la Cátedra UdG-Dexcom es el desarrollo de gemelos digitales. No se trata solo de modelos matemáticos de la fisiología humana, sino de réplicas digitales que entienden el comportamiento individual. Vehí destaca que «un gemelo digital basado en datos tiene la ventaja de incluir hábitos que no están en los modelos puramente fisiológicos».
«Tras unas semanas de recopilación de información, se obtenga una versión virtual que se parece asombrosamente a la persona real»
Esta herramienta tiene un valor doble: clínico y educativo. Por un lado, «permite ajustar la terapia; por ejemplo, en diabetes tipo 2, dar un punto inicial al médico de cabecera para ajustar la insulina». Por otro, «empodera al paciente mediante la simulación. Sirve para educar al paciente, mostrándole qué pasaría si cenara más temprano o cómo se reducirían las hipoglicemias nocturnas». Vehí sostiene que «al dar herramientas predictivas, se obtiene una implicación más grande, mejor adherencia y, al final, mejor calidad de vida porque el paciente entiende lo que le pasa».
Seguridad y precisión: el fin del miedo a la noche y al ejercicio
La incertidumbre es el mayor enemigo de la adherencia al tratamiento. Situaciones críticas como las hipoglucemias nocturnas o el ejercicio de alta intensidad suelen generar un miedo que paraliza al paciente. «Si podemos predecir la hipoglucemia conociendo lo que ha pasado (insulina, carbohidratos, ejercicio), podemos ver si será en la primera o segunda mitad de la noche», explica Vehí.
«Este nivel de detalle permite que, si el riesgo es temprano (generalmente por una cena tardía), el paciente tome decisiones informadas, mientras que si es tardío, la solución pase por bajar la insulina basal»
Sobre la fiabilidad, el catedrático es claro: aunque cada día es diferente, la IA permite alcanzar especificidades muy altas para evitar la fatiga gracias a alarmas. «Tenemos una sensibilidad del 60-70%, podemos reducir ese mismo porcentaje de hipoglucemias nocturnas», asegura. Estos modelos no se quedarán en el laboratorio; actualmente se están validando en ensayos clínicos en el Hospital General de Segovia y el Hospital Clínico de Barcelona.
Este compromiso con la seguridad se extiende al deporte. Recientemente, un ensayo clínico pionero en Girona monitorizó a 21 ciclistas con diabetes tipo 1 en una ruta de 70 km de gravel. El objetivo, según Vehí, es desarrollar herramientas «para que las personas con diabetes puedan hacer ejercicio intenso, como el ciclismo, sin miedo», eliminando las barreras que hoy hacen que muchos pacientes sean reacios a la actividad física por la variabilidad de su glucemia.
Vehí justifica la necesidad de aplicar la IA en este campo: “Conocer cómo se comporta la glucosa en la sangre (glucemia), y predecir su curso, en una persona con diabetes en situaciones de ejercicio intenso sigue siendo un reto y desafío tanto para los propios pacientes como para los profesionales sanitarios; la IA puede convertirse en una herramienta muy potente de apoyo a la toma de decisiones personalizadas”.
IA y comportamiento
La tecnología también actúa como un aliado psicológico. Vehí señala que muchas veces la falta de adherencia se debe a hábitos que el paciente prefiere omitir en consulta. La investigación actual busca «incluir el modelo de comportamiento de la persona para adaptarnos a ella». La IA puede mostrar al usuario el alcance de sus actos sin ser punitiva: «no puedes llamar borracho a alguien, pero puedes darle pistas de que algo se salió de la norma».
El objetivo es que el paciente use su gemelo digital para experimentar con seguridad: «¿qué pasaría si hiciera esto?», eliminando el miedo a través de explicaciones racionales
El reto del SNS: de la burocracia al federated learning
A pesar de los avances, la integración de estas herramientas en el Sistema Nacional de Salud (SNS) enfrenta un muro burocrático. Vehí insiste en que «la integración de la historia clínica es primordial para la prevención y predicción», permitiendo incluso predecir riesgos cardiovasculares o complicaciones graves antes de que ocurran. Para sortear las estrictas leyes de protección de datos que han cerrado el acceso en muchos hospitales, su equipo trabaja en el federated learning (aprendizaje federado). Esta técnica permite que el algoritmo viaje entre centros médicos y aprenda de los datos locales sin necesidad de transferir información sensible: «básicamente, cada centro tiene sus datos y el algoritmo de entrenamiento es el que corre a través de los centros». Vehí reconoce que, aunque España tiene una estructura compleja, esta solución es viable. No obstante, reclama una «hoja de ruta clara» para aprovechar el inmenso potencial de los datos que ya existen en la sanidad pública.
DIABETEX
La Cátedra UdG-Dexcom también lidera proyectos con un enfoque de género que se ha demostrado necesario. En el proyecto DIABETEX, se estudia cómo afectan las fases del ciclo menstrual al control glucémico. «Sabemos que en la segunda fase el requerimiento de insulina es diferente y los efectos del ejercicio también entre hombres y mujeres», apunta Vehí, quien ya cuenta con una versión de gemelo digital que incluye estos parámetros, logrando reproducir una imagen cada vez más fiel del paciente. Además, pone el foco en la menopausia, un periodo donde el riesgo de complicaciones y muerte es mucho más alto en mujeres que en hombres, y donde los modelos de datos ofrecen una vía personalizada y costo-efectiva para su seguimiento.
El paciente en el centro del algoritmo
Uno de los pilares del trabajo de Vehí es la defensa del paciente. La premisa es clara: la tecnología solo tiene sentido si empodera a las personas y reduce las barreras de accesibilidad. Madrid acogió recientemente un evento formativo para las asociociaciones de pacientes, cuya importancia subraya Vehí insistiendo en la necesidad de “proporcionar un conocimiento práctico para que las asociaciones de pacientes con diabetes puedan utilizar la IA generativa de forma segura y efectiva”. Esta iniciativa no es un hecho aislado, sino que, según explica el catedrático, “esta formación está alineada con uno de los ejes estratégicos de la Cátedra dentro de su plan de ‘patient advocacy’, procurando acceso a formación rigurosa y de calidad y a la divulgación de las enormes posibilidades que ofrece la Inteligencia Artificial en el ámbito de la diabetes”.
Para las asociaciones, que a menudo operan con recursos limitados, la IA permite automatizar tareas burocráticas y traducir documentación técnica compleja en información digerible.
«Estamos firmemente comprometidos con el objetivo de democratizar el acceso al conocimiento y uso de la IA para el ecosistema de asociaciones de pacientes, ayudando a educar y divulgar un uso responsable y seguro de estas herramientas en el ecosistema de la diabetes”
Educación y consenso: el futuro de la consulta médica
Para Josep Vehí, la IA no sustituye al médico, sino que enriquece la relación clínica. Su visión es que “gracias a la inteligencia artificial, se puede formar al paciente, darle información a él y al médico, y que al final se puedan tomar decisiones consensuadas”. Para lograrlo, la Cátedra se ha volcado en la divulgación: “Vamos a hacer seminarios y diferentes talleres con las distintas organizaciones y sociedades que participan en la Cátedra, como con la Sociedad Española de Diabetes (SED), Canal Diabetes o el Federación Española de Diabetes”.
El compromiso con la formación también alcanza a quienes diseñan el software del futuro. El catedrático destaca la importancia de un enfoque multidisciplinar: “Además, contamos con una parte de formación para ingenieros, queremos que estos profesionales entiendan las necesidades de la diabetes; es decir, formar ingenieros en inteligencia artificial que tengan conocimiento clínico de la diabetes”.
Un ecosistema de innovación global
Los objetivos de la Cátedra UdG-Dexcom para los próximos años son ambiciosos. Josep Vehí proyecta un crecimiento exponencial del conocimiento y la práctica clínica. Su meta personal es clara: “queremos tener más de 20 hospitales y más de 80 investigadores trabajando en estos proyectos”.
Pero su ambición no se detiene en España, ya que «queremos atraer tanto investigadores clínicos como de ingeniería para crear una red internacional de investigación en inteligencia artificial para diabetes, en Europa y en Latinoámérica”.En conclusión, el liderazgo de Vehí demuestra que la Inteligencia Artificial en diabetes es mucho más que código; es una herramienta de humanización sanitaria que, a través de la medicina de precisión y la formación constante, promete devolver el control de sus vidas a millones de pacientes.
