Suscríbete al boletín semanal

Suscríbete para recibir cada semana el boletín SINC con los contenidos más relevantes y no te pierdas nada de la actualidad científica.

Suscríbete al boletín semanal
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

El proyecto Mosaic diseña modelos matemáticos para el diagnóstico temprano de la diabetes

En enero arrancó bajo la dirección de Medtronic Ibérica una iniciativa en la que participan investigadores de la Universidad Politécnica de Madrid para mejorar la caracterización de los pacientes que sufren los trastornos metabólicos asociados a la enfermedad diabética de tipo 2, la más común.

La diabetes tipo 2, denominada también diabetes no insulino dependiente o diabetes de adulto, es la forma más común de diabetes: representa, al menos, el 90% de todos los casos. La Organización Mundial de la Salud (OMS) calcula que en 2030 alrededor de 550 millones de personas sufrirán esta enfermedad en todo el planeta. La identificación de los primeros síntomas evitaría un tratamiento tardío de los pacientes y el consiguiente desarrollo de complicaciones.

El proyecto Mosaic, en el que participa la Universidad Politécnica de Madrid (UPM), mejorará los estándares actuales para el diagnóstico y la gestión de la diabetes tipo 2. Arrancó el pasado mes de enero bajo la dirección de la compañía Medtronic Ibérica.

Desarrollarán algoritmos para mejorar herramientas que permitan reconocer síntomas precoces de la diabetes tipo 2

El objeto del proyecto es el desarrollo de modelos matemáticos y algoritmos que puedan mejorar las herramientas y los estándares actuales para el diagnóstico de la diabetes tipo 2, así como de los estados prediabéticos. Se conseguiría con ello una caracterización más precisa de los pacientes que sufren los trastornos metabólicos asociados a la enfermedad o que estén en riesgo de padecerlos, lo cual evitaría las complicaciones habituales de un diagnóstico tardío.

“Todavía no se conoce claramente el origen de la diabetes”, explica Giuseppe Fico, investigador de la UPM que participa en el proyecto. “Cierto es que un estilo de vida poco saludable, la presencia de algunos marcadores genéticos, la obesidad y la pertenencia a determinados grupos étnicos se muestran como factores de riesgo”.

Fico también destaca que en muchos casos (un 40%) no se detecta a tiempo la enfermedad. “Hay estados intermedios de prediabetes en los que se podría intervenir para evitar su aparición o durante la progresión para retrasar las complicaciones”.

Los métodos actuales de diagnóstico, basados en identificar grupos con prevalencia de complicaciones microvasculares, no permiten reconocer síntomas precoces de diabetes tipo 2 y gestacional. “Es desde este perspectiva que el grupo de investigación Life Supporting Technologies de la UPM ha ideado el proyecto Mosaic, junto a Medtronic Ibérica y la Asociación Española para el Desarrollo de la Epidemiología Cínica (AEDEC)”, indica Fico. “Después de haber desarrollado y validado en proyectos anteriores plataformas tecnológicas para mejorar el seguimiento de los pacientes diabéticos a través de aplicaciones personalizadas, el grupo ha querido dar un paso más en la gestión de esta enfermedad”.

Basado en estudios clínicos internacionales

Mosaic se beneficiará de las bases de datos de importantes estudios clínicos internacionales. Esa información se empleará en mejorar y expandir los modelos matemáticos desarrollados por dos universidades italianas pioneras en este campo, las de Padua y Pavía. Los modelos de la primera se centrarán en buscar marcadores fisiológicos, mientras que los de la segunda escrutarán patrones en los eventos temporales.

Son tres las fases del proyecto. Para empezar, una parte de la información se usará de forma retrospectiva, al incluir en los modelos datos no tradicionales, como el estilo de vida, la medición continua de glucosa o los factores ambientales y geográficos, a fin de descubrir cuáles son los marcadores mas conectados con la enfermedad. Estos modelos se validarán a continuación con otros estudios para medir su nivel de simulación y de predicción.

Por último, se integrarán en aplicaciones para los pacientes y los profesionales, que se probarán en escenarios reales en hospitales de Valencia y Pavía. Paralelamente, el proyecto llevará a cabo un estudio clínico específico para recopilar más datos sobre pacientes prediabéticos.

La UPM forma parte del plantel de coordinadores técnicos del proyecto Mosaic, junto a las universidades de Padua y Pavía y la Técnica Nacional de Atenas (Grecia). Destacados departamentos de ensayos clínicos prestarán también su apoyo estratégico: Universidad de Lund (Suecia), Centro de Investigación Folkhalsan (Finlandia) y Fundación Salvatore Maugeri (Italia). El consorcio se completa con dos pyme especializadas en el sector tecnológico, Soluciones Tecnológicas para la Salud y el Bienestar (España) y Biomeris (Italia).

Mosaic cuenta con el apoyo financiero de la Unión Europea a través del séptimo Programa Marco de Investigación y Desarrollo Tecnológico.

Fuente: UPM
Derechos: UPM
Artículos relacionados
Alt de la imagen
Descubierto un gen crucial para el desarrollo del sarcoma de Ewing

El gen RING1B es clave para el desarrollo del sarcoma de Ewing, un tumor óseo maligno que se forma en el hueso o en el tejido suave y que afecta principalmente a los adolescentes y adultos jóvenes. El hallazgo abre la puerta al desarrollo de nuevas estrategias terapéuticas.

Alt de la imagen
El melanoma ‘engaña’ a las defensas del organismo para aumentar la resistencia a la inmunoterapia

Un equipo del CNIO ha descubierto cómo el melanoma consigue reorientar al sistema inmunitario, no solo para evitar que ataque el tumor, sino incluso para convertirlo en un aliado que coopere con su desarrollo. Este hallazgo podrá contribuir a optimizar el uso de la inmunoterapia, cuya eficacia en este cáncer es solo parcial hasta la fecha.