Lidia ya identifica a pacientes con riesgo de diabetes
Este modelo predictivo se enfoca en diabetes tipo 2 por ser una de las patologías con mayor incidencia entre la población costarricense.
Como parte de Lidia, la agrupación de sistemas de inteligencia artificial dentro de la Caja Costarricense de Seguro Social (CCSS), se desarrolla el modelo predictivo para prevenir la diabetes mellitus tipo dos. Este proyecto, integrado al Expediente Digital Único en Salud (EDUS), permite estimar el riesgo de desarrollar esta enfermedad, favoreciendo la detección temprana y la implementación de estrategias preventivas personalizadas.
El modelo se enfoca en la diabetes tipo dos, por ser una de las patologías con mayor incidencia entre la población costarricense y, además, a nivel global. Este sistema analiza datos registrados en el EDUS, como antecedentes glicémicos, peso, talla y otras variables relevantes, para calcular un nivel de riesgo en los pacientes.
Según explicó el director del EDUS, Manuel Rodríguez, el objetivo es intervenir antes de que la enfermedad se manifieste.
“Básicamente, lo que hace el modelo es, a partir de datos que ya tenemos en el ámbito de la salud, generar un nivel de riesgo en las personas. Esto se logra con base en diferentes variables como antecedentes, glicemias, peso, talla y otros elementos. El objetivo es identificar a esas personas que aún no padecen la enfermedad, pero que tienen un riesgo elevado, para poder captarlas de forma temprana antes de que desarrollen, por ejemplo, la diabetes como tal. De esta manera, se busca promover realmente la salud, fomentar hábitos saludables y realizar acciones de prevención”, indicó.
El modelo predictivo ha sido reconocido en la VIII Reunión Ministerial de Gobierno Digital y la XVIII Reunión Anual de la Red GEALC, celebradas en Brasil. Allí, la iniciativa fue destacada como una tecnología emergente que impulsa la transformación digital en los servicios de salud.
“A través del Micitt (Ministerio de Ciencia, Innovación, Tecnología y Telecomunicaciones), se presentó la iniciativa ante la Red de Salud de Latinoamérica en Gobierno Digital. Esta red otorga reconocimientos a tecnologías emergentes, y el modelo predictivo de diabetes recibió este honor. Esto demuestra la relevancia de incorporar inteligencia artificial en los servicios de salud y cómo estamos avanzando en mejorar la prestación de estos servicios”, agregó Rodríguez.
El sistema no solo identifica personas con alto riesgo, sino que también personaliza estrategias preventivas basadas en los datos analizados. Estas intervenciones pueden incluir cambios en la dieta, aumento de actividad física u otros hábitos saludables, con el fin de evitar o retrasar el desarrollo de la enfermedad.
El oficial científico del proyecto, el doctor Roy Wong McClure, destacó la importancia de esta herramienta.
“El incremento anual del número de afectados es considerable, a lo que debe prestar atención, ya que no solo es una condición que se adquiere de forma vitalicia, sino que, sin un control, es uno de los principales factores de riesgo para otras enfermedades de elevada discapacidad y mortalidad”, subrayó el médico.
El modelo está en fase piloto en el Área de Salud Tibás-Uruca-Merced, en la Clínica Clorito Picado. Su expansión a nivel nacional está programada para el primer semestre de 2025. Con un 95% de precisión, este sistema optimiza la planificación sanitaria y refuerza la sostenibilidad del sistema de salud costarricense.
Estos avances no solo revolucionan la forma de abordar la diabetes, sino que también posicionan a Costa Rica como un referente en el uso de tecnología para mejorar la salud pública. Rodríguez destacó que este proyecto consiste en tomar una patología crónica, como la diabetes, y, a través de la tecnología, ser más oportunos en la atención y la prevención de esta enfermedad en la población.
Según datos de la Caja, en 2023, 3.193 costarricenses fueron diagnosticados con este tipo de diabetes, mientras que en 2024, hasta el 30 de setiembre, se registraron 2.162 casos de nuevos diabéticos.
Puede acceder al especial completo a través de este enlace.