Predicción personalizada de glucosa utilizando solo datos in situ

Resumen El aumento mundial en los niveles de glucosa en sangre es una importante preocupación de salud, ya que diversas enfermedades metabólicas se vuelven cada vez más comunes. La dieta, un comportamiento de salud modificable, es un objetivo principal para la gestión preventiva de los niveles de glucosa. Estudios recientes han mostrado que las respuestas de glucosa en sangre después de las comidas (respuestas de glucosa postprandial, PPGR) pueden variar considerablemente entre individuos, incluso con un consumo de alimentos idéntico, y sugieren que la microbiota intestinal podría desempeñar un papel importante en estas diferencias. Si bien se ha logrado una predicción precisa de la respuesta de glucosa utilizando diversas características como datos del microbioma y parámetros sanguíneos, la influencia exacta de cada factor individual en la predicción aún no está clara. Aquí, mostramos que un algoritmo de aprendizaje automático con datos recolectados de una cohorte digital de más de 1,000 participantes puede lograr una alta precisión en la predicción de PPRG. Curiosamente, encontramos que el mejor modelo de predicción de PPGR solo requiere datos dietéticos glicémicos y temporalmente resueltos. La capacidad demostrada para predecir PPGR con alta precisión utilizando solo datos recolectados in situ, sin necesidad de análisis biológicos en laboratorio, ofrece un camino hacia estrategias de nutrición personalizada y gestión de glucosa altamente escalables.