Aplicativo Para Smartphone Pode Ajudar a Detectar Diabetes

Aplicativo Para Smartphone Pode Ajudar a Detectar Diabetes

Uma nova pesquisa sugere um aplicativo para smartphone (Azumio Instant Heart Rate) pode ser um método não invasivo para identificar indivíduos com diabetes, detectando um “biomarcador digital” de alterações vasculares.

As descobertas foram publicadas online em 17 de agosto na Nature Medicine por Robert Avram, MD, Departamento de Medicina e Instituto de Pesquisa Cardiovascular da Universidade da Califórnia, San Francisco, e colegas da UCSF e
Cal-Berkeley.

A abordagem usa fotopletismografia (PPG), uma técnica ótica que detecta mudanças no fluxo sanguíneo através de um leito vascular ao iluminar o tecido, como na ponta do dedo ou no pulso, e quantifica a luz retro-espalhada correspondente às mudanças no volume de sangue. O PPG já é usado clinicamente para medir a frequência cardíaca e a saturação periférica de oxigênio, e os avanços tecnológicos agora permitem a medição de PPG a partir de uma câmera e lanterna de smartphone.

“O diabetes pode ser assintomático por um longo período de tempo, tornando-se muito mais difícil de diagnosticar … Até o momento, ferramentas não invasivas e amplamente escalonáveis ​​para detectar diabetes têm faltado, o que nos motiva a desenvolver este algoritmo”, disse Avram em um UCSF declaração.

Ele relatou pela primeira vez os resultados preliminares do aplicativo em um pequeno número de pacientes na reunião do American College of Cardiology em 2019, conforme relatado pelo Medscape Medical News .

A ampla disponibilidade de smartphones oferece oportunidades

Os pesquisadores observam que, globalmente, metade de todas as pessoas que vivem com diabetes não são diagnosticadas (cerca de 224 milhões) e 79% vivem em países de baixa e média renda. “A rápida adoção mundial de dispositivos inteligentes na última década oferece uma oportunidade para desenvolver biomarcadores digitais não invasivos e amplamente escalonáveis ​​para doenças como diabetes”, eles apontam.

Usando dados de três coortes distintas, os autores desenvolveram uma rede neural profunda (DNN) para detectar padrões capturados por PPG de manifestações comuns de diabetes, como disfunção endotelial, rigidez arterial e neuropatia. Adicionar fatores clínicos como idade, sexo, raça / etnia e índice de massa corporal (IMC) melhorou ainda mais a previsão do diabetes.

“Demonstramos que o PPG gravado usando smartphones de propriedade do consumidor pode fornecer um biomarcador digital prontamente alcançável de diabetes prevalente que é independente de fatores de risco padrão e comorbidades”, escreveram eles.

“A captura remota de informações PPG preditivas de diabetes de usuários ambulatoriais é viável e fornece um complemento não invasivo e facilmente escalável para a previsão de risco de diabetes.”

A coorte “primária” consistiu de 53.870 participantes do estudo Health e Heart com mais de 2,5 milhões de gravações PPG em um período de 4 anos. Destes, 6,6% (3564) autorrelataram ter diabetes. Nesse grupo, a sensibilidade do DNN para detectar diabetes foi de 75%, a especificidade de 65%, o valor preditivo positivo de 13% e o valor preditivo negativo de 97%.

Em uma segunda coorte “contemporânea” de 7.806 participantes – aqueles recém-inscritos no Health eHeart de 1º de maio a 31 de dezembro de 2018 – esses valores foram 81% (sensibilidade), 54% (especificidade), 14,5% (valor preditivo positivo), e 96,7% (valor preditivo negativo).

Resultados semelhantes foram observados em uma terceira coorte “clínica” de 181 indivíduos derivados de pacientes consecutivos encaminhados a três clínicas de prevenção cardiovascular (duas em São Francisco, uma em Montreal) entre 1º de novembro de 2018 e 30 de julho de 2019, bem como em uma análise de sensibilidade que incluiu apenas indivíduos com diabetes confirmada em laboratório.

Desempenho do algoritmo equivalente à mamografia, citologia cervical

A saída do DNN, chamada de pontuação DNN, permaneceu independentemente preditiva de diabetes após o ajuste para idade, sexo, raça / etnia e IMC. O escore DNN também foi significativamente e positivamente associado com A1c ( P ≤ 0,001).

O desempenho do algoritmo é comparável a outros testes comumente usados, como mamografia para câncer de mama e citologia cervical para câncer cervical , dizem os autores.

“Um biomarcador digital não invasivo de diabetes prontamente alcançável poderia facilitar a detecção de doenças, tornando mais fácil identificar indivíduos em risco que se beneficiariam de testes diagnósticos confirmatórios usando dados de A1c. Tal ferramenta teria um impacto particular em populações carentes e fora delas do alcance da assistência médica tradicional “, concluem.

O estudo foi apoiado por Fonds de la recherche en santé du Quèbec; o Instituto Nacional do Coração, Pulmão e Sangue; os Institutos Nacionais de Saúde; e a Health eHeart Alliance. Avram não divulgou relações financeiras relevantes. Vários co-autores revelaram relações com a indústria; a lista completa pode ser encontrada com o artigo original. Um dos co-autores é funcionário da Azumio, criadora do aplicativo para smartphone. Azumio não forneceu apoio financeiro para este estudo e forneceu apenas acesso aos dados.

Nature Med. Publicado online em 17 de agosto de 2020. Resumo

Fonte: Medscape- Diabetes e Endocrinologia – Por|:Miriam Tucker , 20 de agosto de 2020