Table of Contents

El papel de JDRF en la aceleración de la inteligencia artificial para la atención de diabetes tipo 1

La gestión de la diabetes tipo 1 (T1D) ha sido transformada durante la última década por monitores continuos de glucosa (CGM), bombas de insulina y sistemas híbridos de cierre cerrado. Sin embargo, la próxima frontera —cuidado autónomo y controlado por IA— depende de los sólidos sistemas de datos, algoritmos predictivos y validación clínica a gran escala.

La estrategia de JDRF no es simplemente apoyar prototipos aislados de IA; es acelerar todo el ecosistema, desde la recopilación de datos y el desarrollo de algoritmos hasta la aprobación regulatoria y la adopción del mundo real. Junto con empresas tecnológicas, laboratorios académicos y startups, JDRF asegura que las innovaciones de IA se traduzcan en herramientas prácticas para las personas que viven con T1D. Este artículo explora cómo la financiación, las iniciativas de investigación y las redes colaborativas están impulsando a IA en el futuro.

Misión de JDRF y el caso de AI en T1D

La misión declarada de JDRF es acelerar la investigación que cura, previene y trata T1D y sus complicaciones. La IA encaja cuadradamente dentro de esa misión porque T1D genera enormes cantidades de datos — lecturas de glucosa, dosis de insulina, registros de comida, niveles de actividad y más— que son demasiado complejos para cualquier algoritmo individual o estático para manejar de manera óptima.

“La promesa de AI es dar a la gente con T1D más libertad y mejores resultados haciendo que el sistema sea más inteligente que cualquier programa basado en reglas individuales”, explica el Dr. Aaron Kowalski, CEO de JDRF y un defensor de larga data de la tecnología de cierre. “JDRF ha estado invirtiendo en esa visión durante años”.

Entre 2010 y 2024, JDRF cometió más de 500 millones de dólares a la investigación T1D, con una creciente porción dirigida hacia la IA y la ciencia de datos. Los esfuerzos de la fundación abordan tres retos fundamentales: fragmentación de datos en dispositivos, transparencia de algoritmos] para la confianza clínica, y [[FLT] [

Por qué AI importa para la gestión de T1D

La gestión tradicional de la diabetes se basa en análisis de sangre de los dedos y dosificación manual de insulina, pero incluso con CGMs y bombas modernas, la gente pasa sólo alrededor del 50-70% del tiempo en el rango de glucosa objetivo (70–180 mg/dL).

  • Identificar patrones sutiles de tendencia de glucosa que los humanos pierden.
  • Ajuste de la entrega de insulina proactivamente antes de que ocurra hipo- o hiperglicemia.
  • Personalizar los parámetros de tratamiento basados en fisiología individual, actividad y sueño.
  • Reducir la carga cognitiva de la toma de decisiones constante.

Las inversiones de JDRF apuntan a cada una de estas áreas, con el objetivo de hacer de la IA un asistente invisible pero poderoso en la atención diaria de la T1D.

Recopilación de datos y estandarización: Fundación de AI

Construcción de conjuntos de datos de alta calidad

Los modelos AI son tan buenos como los datos que se entrenan. JDRF reconoció temprano que los datos de dispositivos fragmentados y no interoperables eran un problema importante. A través de su Data Innovation Fund, JDRF ha apoyado proyectos que agregan la CGM de identificación, la bomba de insulina y los datos reportados por pacientes en repositorios grandes y estandarizados[LT]

Al poner estos conjuntos de datos a disposición de investigadores y desarrolladores, JDRF ha permitido la formación de modelos de IA más robustos y generalizables. La fundación también aboga por que los fabricantes de dispositivos adopten normas comunes de datos (como IEEE 11073 y HL7 FHIR) para que los algoritmos de IA puedan ingerir sin problemas información de cualquier CGM o bomba compatibles.

Calidad de los datos y etiquetado

Para el aprendizaje de máquina supervisada, los datos deben ser etiquetados con precisión, por ejemplo, los tiempos de marcación cuando una persona comió una comida, ejerció o experimentó hipoglicemia. La financiación de JDRF ha contribuido al desarrollo de herramientas de etiquetado semiautomatizada que utilizan algoritmos de detección de eventos para reducir la carga manual de investigadores.

Análisis predictivo y pronóstico de riesgo

Una de las aplicaciones más directas de la IA en T1D es predecir los niveles futuros de glucosa en sangre. JDRF ha apoyado a múltiples grupos de investigación trabajando en redes neuronales (RNNs) y Modelos de transformadores que aprenden de datos secuenciales de la MC para prever sistemas de glucosa de predicción artificial.

Algoritmos de predicción hipoglucemia

Estudios financiados por JDRF han demostrado que la IA puede predecir hipoglucemia inminente con alta sensibilidad y especificidad. Por ejemplo, investigadores de la Universidad de Virginia, con soporte JDRF, desarrollaron un modelo de aprendizaje automático que utiliza tendencias CGM, insulina a bordo y variabilidad de frecuencia cardíaca para advertir a los usuarios 30 minutos antes de que ocurra un bajo. Este tipo de alerta predictiva da tiempo a las personas para tomar acción preventiva, reduciendo el miedo y la frecuencia.

Variabilidad Glcémica

Más allá de la predicción simple, AI puede cuantificar variabilidad glicémica]—una métrica vinculada a complicaciones a largo plazo. JDRF ha financiado la creación de puntajes de variabilidad compuestos que combinan múltiples métricas derivadas de la MC (desviación estándar, MAGE, LBGI, HBGI) en un solo número interpretable.

Sistemas de insulina de cierre: logro de la firma de JDRF

El éxito más visible de JDRF en el cuidado T1D impulsado por IA es el desarrollo de bombas de insulina de cierre cerrado (HCL), comúnmente llamados sistemas de páncreas artificiales. Estos sistemas utilizan algoritmos de IA para ajustar automáticamente la entrega de insulina basal basado en lecturas CGM en tiempo real, mientras que permite al usuario accionar manualmente para comidas.

De Investigación a Sistemas Comerciales

La primera iniciativa de cierre de JDRF, lanzada en 2006, reunió equipos de ingeniería en el algoritmo de la Universidad de California, Santa Bárbara y la Universidad de Virginia. El resultado fue el Control Predictivo Modelo de Zone (MPC), que se convirtió en la base de varios productos comerciales. En 2017, JDRF se asoció con Medtronic para financiar el ensayo doble GR

Hoy, sistemas como el Tandem t:slim X2 con Control-IQ (que incorpora la investigación financiada por JDRF de la Universidad de Virginia) demuestran el poder de la IA en la práctica. Control-IQ utiliza un algoritmo predictivo para ajustar las tasas basales y, cuando sea necesario, entregar los tornillos de corrección automática. JDRF continúa difundiendo información sobre estas tecnologías] para ayudar a los pacientes y a entender cómo los resultados.

Advancing to Fully Cerrado-Loop

El objetivo actual de JDRF es lograr un sistema totalmente cerrado que no requiere ninguna entrada de usuario para las comidas o el ejercicio. Esto implica avances en IA para estimar el contenido de carbohidratos de las imágenes de las comidas, detectar el inicio del ejercicio de los datos de sensores y gestionar los picos de glucosa relacionados con el estrés.

Aplicaciones de gestión de diabetes personalizadas y coaching digital

Más allá del hardware, JDRF admite software impulsado por IA que proporciona recomendaciones individualizadas. Estas aplicaciones analizan datos de múltiples fuentes —CGM, bomba, smartwatch, registros manuales— para generar información práctica.

El papel del aprendizaje automático en el apoyo a las decisiones diarias

Aplicaciones como Glooko] y Dexcom Clarity] (ambas de las cuales se han beneficiado de estudios financiados por JDRF) utilizan ML para generar informes de patrones, como “Su glucosa tiende a aumentar abruptamente después del desayuno en los fines de semana” o “Usted está en mayor riesgo de ejercicio nocturno bajo.

Nudges y Gamification conductuales

JDRF reconoce que la tecnología no es suficiente, el compromiso de los usuarios es crítico. Algunos de sus proyectos financiados incorporan agentes de aprendizaje de refuerzo que aprenden qué tipos de recordatorios o estímulos funcionan mejor para un individuo. Por ejemplo, una AI podría aprender que un usuario responde mejor a un mensaje “estás haciendo bien” que una alerta clínica.

Colaboraciones innovadoras: JDRF como catalizador

El impacto de la JDRF en la IA en la atención T1D se amplifica por su papel de convocador y financiador de colaboraciones intersectoriales. La fundación ha establecido alianzas estratégicas con:

  • Dexcom] – cofinanciar la investigación sobre algoritmos predictivos basados en CGM.
  • Insulet Corporation] – apoyando el desarrollo del sistema de entrega automatizado de insulina Omnipod 5, que utiliza un controlador basado en Android y una lógica de dosificación impulsada por AI.
  • Google] – explorando el aprendizaje automático para la predicción de glucosa y la interoperabilidad de datos de salud.
  • TypeZero Technologies] (ahora parte de Tandem) – comercializando los algoritmos de control de la Universidad de Virginia.
  • Centros académicos como el Barbara Davis Center for Diabetes] y Joslin Diabetes Center – realización de ensayos clínicos para intervenciones habilitadas por IA.

El Consorcio de Pancreas Artificiales JDRF

Lanzado en 2015, el consorcio reúne más de una docena de sitios de investigación para compartir datos, estandarizar protocolos de ensayo y acelerar la aprobación regulatoria de dispositivos impulsados por AI. Esta estructura colaborativa ha reducido el tiempo de la invención de algoritmos a la implementación clínica por años. Los miembros del consorcio han publicado docenas de estudios validando la seguridad y eficacia de algoritmos de control basados en AI en la configuración de su hogar.

Impacto clínico y resultados en el mundo real

El impacto real de las inversiones de IA de JDRF es mensurable. Según un metaanálisis de 2023 ensayos de cierre financiados por JDRF, los usuarios de sistemas HCL lograron un aumento promedio de 12–15% en los períodos de tiempo en rango (TIR)] en comparación con la terapia de bomba aumentada por sensores, con una reducción correspondiente en los eventos hipogly.

Los resultados reportados por los pacientes son igualmente positivos. Los datos de encuesta recopilados por JDRF indican que los usuarios de dispositivos mejorados por AI reportan problemas de diabetes más bajos, mejor calidad del sueño y mayor confianza en la gestión de la glucosa en entornos públicos o sociales. Para los padres de niños con T1D, la menor necesidad de vigilancia nocturna es transformadora.

Health Economics of AI en T1D

JDRF también ha financiado análisis económicos de salud que muestran que los sistemas impulsados por IA pueden ser rentables a largo plazo reduciendo las visitas de los departamentos de emergencia, hospitalizaciones para cetoacidosis diabética (DKA), y costos de complicación a largo plazo. Un estudio de 2022 publicado en Diabetes Technology & Therapeutics] (con el apoyo a JDRF cerrado) estima que miles de la adopción generalizada de los miles de la adopción.

Problemas y consideraciones éticas

A pesar de los progresos realizados, el JDRF reconoce varios desafíos que deben superarse para realizar el pleno potencial de la IA en la atención de la T1D.

Privacidad y seguridad de datos

Los modelos de IA requieren grandes cantidades de datos personales de salud. Los fondos de JDRF investigan ] enfoques de aprendizaje federado, donde se entrenan algoritmos en múltiples sitios sin datos brutos que dejan servidores locales. La fundación también aboga por normas de cifrado fuertes y políticas transparentes de uso de datos para mantener la confianza de los pacientes.

Bias de Algoritmo y Generalizabilidad

Los modelos de IA se entrenan principalmente en datos de poblaciones blancas y afluentes pueden realizar mal en grupos diversos. La JDRF está financiando activamente proyectos que recopilan datos de poblaciones infrarrepresentadas (incluidas las minorías raciales/étnicas, las personas de bajos ingresos y los adultos mayores) para asegurar que las herramientas de IA funcionen para todos. La fundación también apoya la investigación sobre aprendizaje automático de conciencia de la fama.

Hurdles regulatorios

Los dispositivos médicos impulsados por AI deben someterse a una revisión rigurosa de la FDA. JDRF trabaja con reguladores para desarrollar diseños de prueba adaptativos] y marcos de evidencias reales que pueden acelerar la aprobación de algoritmos de IA que mejoran con el tiempo. La fundación también proporciona recursos educativos para los investigadores que navegan por la vía regulatoria.

Integración con Salud Mental y Experiencia de Usuario

Los sistemas de inteligencia artificial que generan alarmas frecuentes o consejos complejos pueden contribuir a alertar la fatiga. JDRF invierte en investigación de diseño centrado en el ser humano para crear interfaces que sean intuitivas y respetuosas de la atención del usuario. Esto incluye trabajar en umbrales adaptables] que reducen las falsas alarmas y interacciones basadas en la factura[[[]]]]]]] que minimizan el tiempo de pantalla.

Instrucciones futuras: Lo que JDRF está invirtiendo en Next

La hoja de ruta de investigación actual de JDRF para la IA en T1D incluye varios proyectos ambiciosos:

  • Sistemas de cierre de válvulas corporales que incorporan glucagon o pramlintide para gestionar mejor los picos post-meal y los bajos relacionados con el ejercicio.
  • Detección y gestión de ejercicios impulsadas por AI utilizando sensores utilizables (acelerosmetros, monitores de frecuencia cardíaca) para ajustar automáticamente la entrega de insulina durante la actividad física.
  • Aplicaciones de visión de ordenador que estiman el contenido de carbohidratos de las fotos de los teléfonos inteligentes, integradas en calculadoras de tornillos.
  • Modelos predictivos para complicaciones a largo plazo que utilizan CGM y datos metabólicos para identificar a individuos con alto riesgo de retinopatía o nefropatía años antes del inicio clínico.
  • Mellizos digitales basados en AI] de pacientes individuales, permitiendo a los clínicos simular cambios de terapia en silicio antes de implementarlos en el mundo real.

JDRF también está explorando el potencial de modelos de lenguaje (LLMs)] para servir como educadores de diabetes conversacional, capaces de responder preguntas complejas sobre la dosificación de insulina, reglas de día de enfermedad y ajustes de viaje con alta precisión. Estudios piloto financiados por JDRF están evaluando la seguridad y la usabilidad.

Cómo puede involucrarse la comunidad T1D

JDRF alienta a las personas con T1D a contribuir a la investigación de IA donando sus datos de dispositivos a través de programas como Proyecto de Donación de Datos Grandes de Tidepool. La participación ayuda a los investigadores a formar mejores modelos manteniendo estrictas protecciones de privacidad. JDRF también dirige comités de asesoramiento de pacientes que revisan los estudios de IA, asegurando que la perspectiva de usuario se integregue desde el principio.

Para investigadores y empresarios, JDRF ofrece diversos mecanismos de financiación, desde subvenciones de innovación en etapas tempranas hasta premios de consorcios a gran escala, centrados específicamente en la ciencia de la inteligencia artificial y los datos. El portal de investigación de la fundación detalla las oportunidades actuales y las prioridades estratégicas.

Conclusión

Las contribuciones de JDRF al desarrollo de la inteligencia artificial en el cuidado de T1D son fundamentales y de gran alcance. Desde la catalización de los primeros sistemas híbridos de cierre cerrado hasta la construcción de la infraestructura de datos necesaria para algoritmos de próxima generación, la fundación ha posicionado la IA como un componente crítico de la gestión moderna de la diabetes. Mientras que los desafíos en torno a la equidad, la privacidad y la experiencia del usuario permanecen, la inversión sostenida de JDRF en colaboración, ética y el algoritmo más cercano investigación de futuro