Páncreas artificial 2.0: Lo que los sistemas automáticos de administración de insulina aún no pueden hacer y cómo solucionarlo

Diabetes Technology & Therapeutics publicó una revisión realizada por un grupo internacional de ingenieros y médicos sobre las deficiencias que impiden que los sistemas automatizados de administración de insulina (AID) se conviertan en un sistema verdaderamente "de ciclo completo". Los autores afirman honestamente que los dispositivos actuales reducen la HbA1c, mejoran la calidad de vida y gestionan el azúcar de forma más segura; sin embargo, funcionan mejor por la noche y, durante el día, requieren que el usuario declare las comidas y la actividad física para evitar la hiperglucemia y la hipoglucemia. Además, muchos sistemas aún no están diseñados para embarazadas y personas mayores. La revisión muestra los resultados de nuevos algoritmos que reconocen automáticamente los alimentos y el ejercicio, y datos preliminares sobre el uso de AID en grupos "complejos". Conclusión clave: la siguiente etapa de la evolución es la inteligencia artificial y el control adaptativo, incluyendo configuraciones multihormonales (insulina ± glucagón).

Antecedentes del estudio

Los sistemas automatizados de administración de insulina (SAID) combinan un monitor continuo de glucosa (MCG), una bomba de insulina y un algoritmo de control que ajusta la administración de insulina en tiempo real. En los últimos años, los circuitos híbridos han reducido significativamente la HbA1c, aumentado el tiempo en rango y reducido la hipoglucemia nocturna en personas con diabetes tipo 1. Sin embargo, el piloto automático completo aún no está disponible: durante el día, cuando la glucosa se ve constantemente afectada por la comida, el estrés y el movimiento, la mayoría de los sistemas aún requieren la introducción manual de carbohidratos y una alerta de actividad; de lo contrario, el algoritmo no puede compensar los picos repentinos de azúcar.

La práctica clínica ha mostrado otras deficiencias. Los algoritmos funcionan mejor durante el sueño, cuando el metabolismo es más estable, pero los picos posprandiales, el ejercicio y los retrasos en el bolo siguen siendo un punto débil. Algunos sistemas aún no están diseñados para embarazadas (diferentes objetivos glucémicos, alto coste de errores) ni para personas mayores (polimorbilidad, mayor riesgo de hipoglucemia), donde se necesitan modos de seguridad e interfaces adaptados que reduzcan la carga cognitiva.

Técnicamente, la próxima frontera es reducir el factor humano. Para ello, se están desarrollando algoritmos para el reconocimiento automático de la ingesta de alimentos y la actividad física basados en patrones de monitorización continua de glucosa (MCG) y sensores portátiles; se están probando circuitos multihormonales (insulina ± glucagón) como protección contra la hipoglucemia; y se están implementando modelos adaptativos/de inteligencia artificial que se ajustan a los ritmos individuales del usuario y al contexto diario. Paralelamente, la industria necesita estándares de interoperabilidad y ciberseguridad para que los sistemas se actualicen de forma inalámbrica y los datos se intercambien de forma segura entre dispositivos y clínicas.

Finalmente, no solo es importante el control del azúcar, sino también la comodidad: menos ansiedad y acciones manuales, sueño estable y accesibilidad a la tecnología para personas con diferentes niveles de habilidades digitales e ingresos. Por lo tanto, el "páncreas artificial 2.0" no es solo un algoritmo "más rápido", sino un ecosistema que funciona con la misma fiabilidad día y noche, requiere un mínimo de intervenciones y cubre una amplia gama de pacientes.

¿Por qué es esto importante?

Los circuitos automatizados son uno de los mayores avances en diabetología en las últimas décadas, y su contribución se refleja oficialmente en los estándares modernos de gestión de la diabetes. Sin embargo, la autonomía total aún es inalcanzable: el usuario aún introduce los carbohidratos manualmente, y con un estilo de vida activo, los algoritmos suelen tardar. La revisión sistematiza cómo avanzar para que los sistemas de asistencia alimenticia (SAI) sean más accesibles e inteligentes, y para personas embarazadas, mayores de 65 años, deportistas o simplemente que no puedan contar carbohidratos cada pocas horas.

Lo que la AID puede hacer ahora y dónde se estanca el progreso

Los "páncreas" híbridos actuales son excelentes para mantener el Tiempo en Rango (TIR) y reducir el Tiempo por Debajo del Rango (TBR), especialmente durante el sueño. Pero durante los "desafíos" diurnos (alimentación, estrés, entrenamiento), surgen puntos débiles:

• Se requieren anuncios sobre alimentación y ejercicio. Sin ellos, el circuito no tiene tiempo de captar el pico posprandial ni de prevenir la hipoglucemia después de la actividad.
• Idoneidad limitada para uso civil. Algunos sistemas no están diseñados para mujeres embarazadas ni personas mayores, ya que los objetivos y riesgos son diferentes.
• Inestabilidad diurna. Los dispositivos son más eficaces por la noche; los niveles de glucosa varían más durante el día.
• “Factor humano”: el conteo de carbohidratos y los pasos manuales son tediosos, lo que dificulta la adherencia; esto se enfatiza en las revisiones clínicas y la práctica.

Lo que sugieren los autores de la revisión

Los investigadores señalan áreas en las que han surgido resultados alentadores en los últimos años y en las que es necesario realizar esfuerzos:

• Reconocimiento automático de alimentos y actividad. Algoritmos que, sin intervención del usuario, pueden evaluar la ingesta de alimentos y el nivel de ejercicio, y dosificar la insulina en consecuencia.
• Circuitos multihormonales. Añadir glucagón como medida de seguridad contra la hipoglucemia es una rama de desarrollo independiente.
• Nuevos grupos objetivo. Ensayos en personas mayores y durante el embarazo, con adaptación de objetivos y barreras de protección.
• IA y control adaptativo: los modelos personalizados que “aprenden” de los datos cotidianos eliminan parte del trabajo manual y simplifican el acceso a la tecnología.

Dónde buscar desarrolladores y reguladores

Para que la ayuda llegue a un “ciclo completo” para todos, además de algoritmos, también tendremos que resolver problemas “sistémicos”:

• Interoperabilidad y actualización. Estándares de intercambio de datos y actualizaciones de software remotas seguras.
• Métricas de beneficios en la vida real. Además de la HbA1c: TIR/TBR, carga de alerta, sueño nocturno y carga cognitiva del usuario.
• Acceso y equidad: simplificar la interfaz y abaratar los sistemas para que quienes hoy no los usan puedan tener acceso a las ayudas.
• Ciberseguridad y privacidad, especialmente en el contexto de dispositivos cada vez más inteligentes e interconectados.

Lo que esto significa para las personas con diabetes - ahora

Incluso sin ser completamente autónomos, los dispositivos de asistencia modernos ya ofrecen beneficios en términos de azúcar y seguridad, como lo confirman estudios aleatorizados y observacionales. Si se usa un dispositivo de asistencia hoy en día, el principal truco es una alta interacción (anuncios oportunos de comida/cargas, carga/conectividad del sensor, y establecimiento correcto de objetivos). Y para quienes recién estén considerando un dispositivo de asistencia, el análisis ofrece una idea clara: en las próximas generaciones, los dispositivos requerirán menos acciones manuales y se adaptarán mejor al día, no solo a la noche.

¿Dónde están los límites y qué sigue?

Esta es una revisión que no reemplaza los ensayos clínicos, pero establece la agenda: la definición de contornos y la ampliación de las indicaciones. Ya se están realizando ensayos clínicos en casa con sistemas que dosifican de forma independiente según la alimentación y la carga; paralelamente, se están desarrollando soluciones multihormonales. El siguiente paso son los estudios multicéntricos en personas mayores, embarazadas y personas con un horario "impredecible", así como el trabajo en accesibilidad e implementación.

Una breve hoja de trucos: qué impide un “bucle completo” y qué lo acercará

Interfiere con:

• la necesidad de ingresar manualmente los carbohidratos y las declaraciones de actividad;
• disminución de la estabilidad durante el día (alimentación, deporte, estrés);
• Falta de modalidades para el embarazo y la tercera edad en algunos sistemas.

Aproximado:

• autodetección de alimento/carga y algoritmos adaptativos;
• circuitos multihormonales (insulina ± glucagón);
• estándares de datos unificados, seguridad, accesibilidad.

Conclusión

La revisión formula claramente el objetivo de la "versión 2.0" del páncreas artificial: minimizar la intervención del usuario, lograr que los circuitos funcionen con la misma fiabilidad día y noche, y abrir el acceso a quienes actualmente se encuentran desatendidos, como las mujeres embarazadas y los ancianos. El camino para lograrlo pasa por algoritmos de IA, control adaptativo y esquemas multihormonales, y ya existen resultados iniciales que demuestran que esto es una realidad. Ahora, los ensayos clínicos y los ingenieros deben convertir estas ideas en dispositivos fiables "para todos y a diario".

Fuente de la investigación: Jacobs PG et al. Brechas, desafíos y oportunidades de investigación en sistemas automatizados de administración de insulina. Diabetes Technology & Therapeutics 27(S3):S60-S71. https://doi.org/10.1089/dia.2025.0129