Una persona con diabetes tipo 1 conduce un coche en medio de una niebla espesa y solo ve unos metros por delante. El nivel de azúcar en sangre puede caer o dispararse de repente, y la bomba de insulina debe reaccionar con antelación. Predecir con cuatro horas de margen es como intentar vislumbrar la curva de la carretera a través de la bruma.
Las redes neuronales convencionales predicen paso a paso, como un conductor que cada segundo recalcula la ruta según la orden anterior. El error se acumula y, al cabo de un par de horas, la predicción se desvía hacia abajo: la red subestima sistemáticamente los valores. El modelo fisiológico se basa en las ecuaciones del funcionamiento del cuerpo, pero es un retrato promedio: no tiene en cuenta que cada persona tiene un metabolismo distinto.
El nuevo enfoque PhysioSeq2Seq funciona como un navegante experto. Primero, durante tres horas de observación, encuentra en la base de datos un gemelo digital cuyos niveles de azúcar coinciden con los datos actuales del paciente. Luego toma 10 variables internas de ese gemelo —por ejemplo, cuánta glucosa hay en la sangre y en los tejidos, o con qué rapidez se consume— y se las pasa a la red neuronal. Esta, a su vez, genera la predicción directamente para 48 pasos hacia adelante, sin mirar sus propias respuestas anteriores. Es como trazar todo el recorrido hasta el destino de una sola vez, en lugar de recalcularlo metro a metro.
Este "híbrido" evita que la predicción se aleje de la realidad: la fisiología la mantiene dentro de límites razonables, y el aprendizaje automático se adapta a cada persona. En definitiva, el sistema ayuda a que la bomba de insulina actúe con antelación, como si la niebla se disipara y el conductor viera no solo el capó, sino toda la curva.
Un nivel de azúcar de 39,28 mg/dl equivale aproximadamente a dos cucharaditas de glucosa disueltas en toda la sangre de un adulto.