Nutrición personalizada mediante la predicción de las respuestas glucémicas

Área de la Ciencia:

• Salud metabólica
• Ciencias de la nutrición
• Medicina personalizada

Sus antecedentes:

• El aumento de la glucosa en la sangre postprandial es un problema de salud mundial, que aumenta el riesgo de prediabetes y diabetes tipo II.
• Las estrategias dietéticas actuales para el control de la glucosa muestran una eficacia limitada debido a la alta variabilidad individual en la respuesta a las comidas.

Objetivo del estudio:

• Investigar la variabilidad de las respuestas glucémicas postprandial a comidas idénticas.
• Desarrollar y validar un algoritmo de aprendizaje automático para predecir respuestas glucémicas postprandiales personalizadas.
• Evaluar la eficacia de una intervención dietética personalizada basada en el algoritmo.

Principales métodos:

• Monitoreo continuo de la glucosa en una cohorte de 800 personas, analizando las respuestas a 46,898 comidas.
• Desarrollo de un algoritmo de aprendizaje automático que integre parámetros sanguíneos, dieta, antropometría, actividad física y microbiota intestinal.
• Validación en una cohorte independiente y una intervención dietética aleatoria y controlada a ciegas.

Principales resultados:

• Se observó una variabilidad significativa en la respuesta glucémica a comidas idénticas, lo que cuestiona las recomendaciones dietéticas universales.
• El algoritmo de aprendizaje automático predijo con precisión las respuestas glucémicas postprandial personalizadas.
• La intervención dietética personalizada condujo a niveles significativamente más bajos de glucosa postprandial y a una microbiota intestinal alterada.

Conclusiones:

• Los enfoques dietéticos personalizados, impulsados por el aprendizaje automático, pueden manejar eficazmente la hiperglucemia postprandial.
• Esta estrategia ofrece una vía prometedora para mitigar las consecuencias metabólicas asociadas con el aumento de la glucosa en sangre.