Nutrición personalizada para la diabetes tipo 2

La prevalencia de diabetes tipo 2 se estima en 628 millones de personas en el mundo para 2045 y fue anunciada por la Federación Internacional de Diabetes (FID) como una de las mayores epidemias de la historia. Las complicaciones de los diabéticos tipo 2 pueden variar desde un alto nivel de azúcar en la sangre, enfermedades cardíacas, accidentes cerebrovasculares, retinopatía diabética que puede provocar ceguera, insuficiencia renal y flujo sanguíneo deficiente en las extremidades que puede provocar amputaciones. También está relacionado con otras manifestaciones, denominadas colectivamente síndrome metabólico, que incluyen obesidad, hipertensión, enfermedad del hígado graso no alcohólico, hipertrigliceridemia y enfermedad cardiovascular.

Dado que los niveles de glucosa en sangre se ven afectados principalmente por el consumo de alimentos, es probable que el creciente número de anomalías en la glucosa en sangre se deba a la nutrición. De hecho, los cambios en la dieta y el estilo de vida normalizan los niveles de glucosa en sangre en el 55% -80% de los casos. Por lo tanto, mantener niveles normales de glucosa en sangre es fundamental para prevenir la diabetes y sus complicaciones metabólicas.

Actualmente, no existen métodos efectivos para predecir la respuesta glucémica posprandial (PPGR) de las personas a los alimentos. La práctica actual de usar el contenido de carbohidratos de la comida es un predictor deficiente del PPGR y tiene una eficacia limitada. El índice glucémico (GI), que cuantifica el PPGR para el consumo de un solo tipo de alimento probado, y la carga glucémica derivada tienen una aplicabilidad limitada para evaluar el PPGR en comidas de la vida real que consisten en combinaciones arbitrarias de alimentos y cantidades variables, consumidas en diferentes momentos del día. el día, y en diferente proximidad a la actividad física y otras comidas. De hecho, los estudios que examinaron el efecto de las dietas con un índice glucémico bajo sobre el riesgo de TIIDM, la pérdida de peso y los factores de riesgo cardiovascular arrojaron resultados mixtos. El éxito limitado de la medida del IG probablemente se deba al hecho de que es un índice general, que no tiene en cuenta la gran variación entre individuos en su respuesta glucémica a los alimentos. Se puede concluir, por lo tanto, que para controlar la respuesta glucémica de un individuo, debemos construir una dieta personalizada que tenga en cuenta varios factores.

Aunque los factores genéticos influyen en los niveles de glucosa en sangre en ayunas y la respuesta glucémica a los alimentos, estos factores solo explican aproximadamente el 10% de la variación en la población. Apoyando esta afirmación está el hecho de que el número de personas con diabetes está aumentando en los últimos años, independientemente de los antecedentes genéticos de los pacientes. Por el contrario, los factores ambientales como la composición de las bacterias intestinales y su actividad metabólica pueden afectar la respuesta glucémica. Toda la población de bacterias en el tracto digestivo (microbioma) consta de ~1000 especies con un repertorio genético de ~3 millones de genes diferentes. El microbioma se ve directamente afectado por nuestra dieta y afecta directamente la respuesta del cuerpo a los alimentos. Esta relación especial entre el huésped y la flora intestinal se refleja en la composición de bacterias exclusivas de la diabetes tipo 2 y en los cambios significativos en la composición de bacterias tras la transición de una dieta rica en fibra a una dieta "occidental" rica en azúcares simples.

Recientemente, DayTwo desarrolló un algoritmo de alta precisión para predecir la respuesta personalizada de la glucosa a los alimentos para cada persona basándose en el Estudio PNP realizado por el Instituto Weizmann. Las predicciones del algoritmo se basan en muchas mediciones personales, incluidos análisis de sangre, estilo de vida personal y bacterias intestinales. En un estudio piloto a pequeña escala realizado por el Instituto Weizmann utilizando el algoritmo, los investigadores adaptaron personalmente las intervenciones dietéticas a personas sanas y prediabéticas, lo que resultó en PPGR significativamente mejorados acompañados de alteraciones consistentes en la microbiota intestinal. Estos hallazgos llevaron a plantear la hipótesis de que la adaptación de dietas personalizadas basadas en las predicciones de PPGR puede lograr mejores resultados en términos de control de los niveles de glucosa en sangre y sus consecuencias metabólicas en relación con la terapia nutricional estándar actual para la diabetes.