La diabetes tipo 2, impulsada por la resistencia a la insulina, afecta a millones de personas en todo el mundo, pero la detección temprana se ve obstaculizada por los métodos de prueba actuales, invasivos o inaccesibles. Los investigadores han desarrollado modelos de aprendizaje automático que pueden predecir la resistencia a la insulina combinando datos de dispositivos portátiles y análisis de sangre comunes. El estudio WEAR-ME utilizó datos que incluyen la frecuencia cardíaca en reposo, el recuento de pasos, los patrones de sueño, la glucosa en ayunas y los paneles de lípidos para entrenar estos modelos. La combinación de estas fuentes de datos mejoró significativamente la precisión de la predicción en comparación con el uso de una sola fuente. Cabe destacar que los modelos funcionaron particularmente bien en la identificación de la resistencia a la insulina en personas de alto riesgo, como aquellas con obesidad y estilos de vida sedentarios.Una cohorte de validación confirmó la generalización de estos modelos predictivos. Para mejorar la comprensión del usuario, se desarrolló un agente de IA llamado Agente de Alfabetización y Comprensión de la Resistencia a la Insulina utilizando modelos de lenguaje avanzados. Este agente proporciona respuestas personalizadas y contextualizadas sobre la salud metabólica, impresionando a los endocrinólogos con su exhaustividad y confiabilidad. La investigación destaca el potencial de un cribado accesible y temprano del riesgo de diabetes tipo 2 a través de datos fácilmente disponibles. Este enfoque podría facilitar intervenciones oportunas en el estilo de vida para prevenir o retrasar la enfermedad. Sin embargo, estos modelos son solo para fines informativos y de investigación y no son dispositivos médicos aprobados.