El número de mujeres con diabetes gestacional ha aumentado considerablemente en los últimos diez años, tanto en Finlandia como a nivel mundial. En el proyecto de desarrollo de CleverHealth Network, se presta apoyo al tratamiento de la diabetes gestacional mediante un nuevo modelo de servicio digital en tiempo real.
En el marco del proyecto se ha desarrollado una aplicación móvil como apoyo al proceso de tratamiento, que mide y almacena en la nube, en tiempo real, los niveles continuos de glucosa de la madre, su actividad física, su alimentación, su frecuencia cardíaca y su peso diario. En el ensayo aleatorizado y controlado del proyecto se ha demostrado que la aplicación móvil mejora el autocontrol de la diabetes gestacional.
– Al influir en los hábitos de vida y la alimentación durante el embarazo, es probable que se pueda reducir el número de madres que desarrollan diabetes tipo 2, así como los riesgos para la salud que se transmiten al niño, y, de este modo, mejorar también la salud de las generaciones futuras. Hemos demostrado en nuestros estudios que la aplicación ayuda a la paciente a comprender cómo la alimentación y la actividad física influyen en los niveles de glucemia y en la evolución del peso, y, por ende, en el desarrollo del embarazo y en la salud del recién nacido», explica Saila Koivusalo, especialista en ginecología y obstetricia y directora de investigación del proyecto.
La información se transmite en tiempo real a través de la aplicación al personal sanitario, que puede ofrecer orientación y apoyo en el proceso de aprendizaje cuando sea necesario. De este modo, la aplicación se integra en el proceso asistencial y no queda aislada, lo que constituye su principal ventaja frente a otras aplicaciones de salud.
– Gracias a este servicio, podemos ofrecer una atención aún mejor y más moderna. Además, la implantación de este servicio agiliza el proceso de atención a las mujeres con diabetes gestacional, ya que se prevé que disminuya el número de consultas que requieren una visita al hospital, afirma Koivusalo.
En la siguiente fase del proyecto se utilizará el aprendizaje automático, lo que permitirá adaptar el asesoramiento y el tratamiento a las necesidades individuales de cada paciente, de acuerdo con su perfil de riesgo. La inteligencia artificial también permite realizar pronósticos sobre la salud futura tanto de la madre como del feto.
– Esto significa, por ejemplo, predecir los niveles futuros de glucosa y el peso del recién nacido de una forma sin precedentes. «Gracias a estas predicciones, la aplicación ofrece automáticamente información y asesora a la hora de tomar decisiones compensatorias», afirma Koivusalo.
PUBLICACIONES
Määttänen, S.; Koivusalo, S.; Ylinen, H.; Heinonen, S.; Kytö, M. (2025). «Apoyo al autocontrol en personas con diabetes gestacional: el efecto de la aplicación móvil eMOM en el autodescubrimiento y los factores psicológicos: un estudio de métodos mixtos». JMIR mHealth and uHealth (aceptado para su publicación). DOI: 10.2196/60855
Kytö, M., Hotta, S., Niinistö, S., Marttinen, P., Korhonen, T. E., Markussen, L. T., Jacucci, G., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Virtanen, S., Heinonen, S. y Koivusalo, S. B. (2024). La aplicación móvil periódica (eMOM) con autocontrol de la glucosa y el estilo de vida mejora el tratamiento de la diabetes gestacional controlada mediante dieta sin orientación humana: un ensayo controlado aleatorio. American Journal of Obstetrics and Gynecology. https://doi.org/10.1016/j.ajog.2024.02.303
Hotta, S., Kytö, M., Koivusalo, S., Heinonen, S. y Marttinen, P. (2024). Optimización de la predicción de la glucosa posprandial mediante la integración de la dieta y el ejercicio: aprovechamiento del aprendizaje por transferencia con datos de pacientes desequilibrados. PLoS ONE, 19 (8 de agosto). https://doi.org/10.1371/journal.pone.0298506
Kytö, M., Koivusalo, S., Tuomonen, H., Strömberg, L., Ruonala, A., Marttinen, P., Heinonen, S. y Jacucci, G. (2023). Apoyo al tratamiento de la diabetes mellitus gestacional mediante un seguimiento autónomo integral: estudio de métodos mixtos sobre sensores portátiles. JMIR Diabetes, 8, e43979. https://doi.org/10.2196/43979
Kytö, M., Strömberg, L., Tuomonen, H., Ruonala, A., Koivusalo, S. B. y Jacucci, G. (2022). Aplicaciones para el cambio de comportamiento en el tratamiento de la diabetes gestacional: análisis de las características deseables. International Journal of Human-Computer Interaction, 38(12), 1095–1112. https://doi.org/10.1080/10447318.2021.1987678
Kytö, M., Koivusalo, S., Ruonala, A., Strömberg, L., Tuomonen, H., Heinonen, S. y Jacucci, G. (2022). Aplicación para el cambio de comportamiento en el autocontrol de la diabetes gestacional: diseño y evaluación de las características deseables. JMIR Human Factors, 9(4), e36987. https://doi.org/10.2196/36987
Kytö, M., Markussen, L. T., Marttinen, P., Jacucci, G., Niinistö, S., Virtanen, S. M., Korhonen, T. E., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Heinonen, S. y Koivusalo, S. B. (2022). Autocontrol integral de la glucemia y el estilo de vida mediante una aplicación móvil en el tratamiento de la diabetes gestacional: protocolo de estudio para un ensayo controlado aleatorio (estudio eMOM GDM). BMJ Open, 12(11), e066292. https://doi.org/10.1136/bmjopen-2022-066292
Zhang, G., Ashrafi, R. A., Juuti, A., Pietiläinen, K. y Marttinen, P. (2020). Modelización de «errores en las variables» de las trayectorias personalizadas de respuesta al tratamiento. IEEE Journal of Biomedical and Health Informatics, 25(1), 201-208.
Ashrafi, R. A., Ahola, A. J., Rosengård-Bärlund, M., Saarinen, T., Heinonen, S., Juuti, A., Marttinen, P. y Pietiläinen, K. H. (2021). Modelización computacional de la ingesta de hidratos de carbono declarada por los propios pacientes y su efecto sobre las concentraciones de glucosa en pacientes sometidos a un bypass gástrico en Y de Roux frente a un bypass gástrico de una anastomosis. Annals of Medicine, 53(1), 1885–1895. https://doi.org/10.1080/07853890.2021.1964035
En colaboración con
Más información
Mikko Kytö, jefe de desarrollo, doctor en tecnología, profesor asociado, mikko.kyto[at]hus.fi
Saila Koivusalo, especialista en ginecología y obstetricia, doctora en medicina, profesora asociada, saila.koivusalo[at]hus.fi
