Inteligencia Artificial y Diabetes Gestacional
6 de enero de 2026 actualizado por: JOSE FERNANDO VILELA-MARTIN
Inteligencia Artificial en la Educación y Monitoreo de Mujeres con Diabetes Gestacional
La tecnología de inteligencia artificial (IA) puede ayudar a los equipos médicos en el seguimiento remoto y la educación continua de mujeres con diabetes gestacional (DG), mejorando potencialmente la adherencia a las intervenciones y afectando los resultados.
Un modelo de seguimiento remoto de IA llamado "modelo de seguimiento para mujeres con DG que utilizan terapia farmacológica", creado por el equipo técnico de ChamouDr, se analizará centrándose en la educación sobre la enfermedad, el seguimiento del control glucémico y las intervenciones terapéuticas.
Se invita a las mujeres diagnosticadas con DG a participar en el estudio y firmar un formulario de consentimiento informado gratuito.
La herramienta de IA se instala en el teléfono celular de la mujer embarazada, quien recibe instrucciones para recolectar glucosa en sangre capilar 6 veces al día según el protocolo, en casa, y reportar los resultados vía WhatsApp a la herramienta del estudio.
El algoritmo generado por el modelo de IA basado en el autocontrol de la glucosa en sangre (SMBG) informa sobre el control de la diabetes en la última semana.
El panel de control es accesible a través de un navegador web, y señala: en verde y rojo para pacientes con control satisfactorio e insatisfactorio, respectivamente.
Así, el modelo de IA optimiza el tiempo del equipo en analizar y tratar a los pacientes de manera apropiada de una manera simple, rentable y accesible.
Descripción general del estudio
Estado
Inscripción por invitación
Condiciones
Intervención / Tratamiento
Descripción detallada
La tecnología de IA puede ayudar a los equipos médicos en la monitorización remota y la educación continua de mujeres con GDM.
Objetivo: Analizar los resultados del uso de un modelo de IA en la monitorización remota y la educación continua de mujeres con GDM y tratamiento farmacológico, correlacionándolos con los resultados clínicos para el binomio madre-feto.
Métodos: estudio clínico prospectivo, longitudinal e intervencional aprobado por el comité de ética local.
Los pacientes firmaron un formulario de consentimiento para participar.
Se analizará un modelo de monitorización remota de IA llamado "modelo de monitorización para mujeres con GDM que utilizan terapia farmacológica", creado por el equipo técnico de ChamouDr, centrándose en la educación sobre la enfermedad, la monitorización del control glucémico y las intervenciones terapéuticas.
El modelo utiliza WhatsApp® a través de un chatbot estructurado y recursos de IA para comunicarse con la participante.
Se realizarán análisis comparativos entre dos grupos de 100 mujeres embarazadas con GDM en tratamiento con insulina, seguidas en la clínica prenatal de alto riesgo del Departamento de Obstetricia de un hospital terciario: grupo de casos que utiliza el modelo de IA frente al grupo de control, compuesto por pacientes previamente monitorizadas bajo supervisión convencional en persona, sin el uso de esta tecnología.
El algoritmo generado por el modelo de IA basado en SMBG informa sobre el control de la diabetes en la última semana.
El panel de control es accesible a través de un navegador web y señala: en verde y rojo para pacientes con control satisfactorio e insatisfactorio, respectivamente.
Así, el modelo de IA optimiza el tiempo del equipo en el análisis y tratamiento adecuado de los pacientes de una manera sencilla, rentable y accesible.
Tipo de estudio
Intervencionista
Inscripción (Estimado)
100
Fase
- No aplica
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
São Paulo
-
São José do Rio Preto, São Paulo, Brasil, 15090-000
- Fundação Faculdade Regional de Medicina de São José do Rio Preto
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
Acepta Voluntarios Saludables
No
Descripción
Criterios de inclusión:
- Mujeres con diabetes gestacional con una edad gestacional de hasta 28 semanas y 6 días
- Mujeres con diabetes gestacional que firmen el formulario de consentimiento informado libre
Criterios de exclusión:
- Edad gestacional mayor de 28 semanas completas en la primera consulta
- Participantes con DM manifiesta (glucosa en ayunas > 126 mg/dl o posprandial > 200 mg/dl)
- Resultado desconocido.
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Tratamiento
- Asignación: No aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Experimental: Grupo de dispositivos: Grupo de casos (uso de modelo de IA)
Grupo de casos - Grupo de dispositivo.
Modelo de IA para monitorizar el control glucémico y enviar educación para tratar a mujeres con diabetes gestacional en tratamiento con insulina.
|
Otro: modelo de seguimiento para mujeres con diabetes gestacional que utilizan terapia farmacológica
Modelo de Inteligencia Artificial a través de WhatsApp® para el monitoreo remoto de la diabetes gestacional en tratamiento con insulina, centrándose en la educación sobre la enfermedad, el seguimiento del control glucémico y las intervenciones terapéuticas.
Otros nombres:
|
|
Sin intervención: Grupo de control (sin uso del modelo de IA)
Sin grupo de dispositivo: Grupo de control - mujeres con diabetes gestacional en tratamiento con insulina bajo tratamiento convencional, sin el uso del modelo de IA.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
muerte fetal
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo)
|
Muerte fetal resultante de cambios metabólicos causados por diabetes gestacional
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo)
|
|
Peso al nacer del feto
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo)
|
Peso fetal al nacer evaluado mediante una báscula de precisión.
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo)
|
|
hipoglucemia neonatal
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo), y Evaluación de los niveles de glucosa en sangre neonatal desde el nacimiento hasta las 48 horas posteriores al nacimiento.
|
La hipoglucemia neonatal es la reducción anormal de glucosa en la sangre del recién nacido a niveles considerados insuficientes para satisfacer las necesidades metabólicas del cerebro y otros tejidos. Parámetros de glucosa plasmática: < 40 mg/dL en las primeras 4 horas de vida, < 45 mg/dL entre las 4 y 24 horas de vida, Después de 24 horas, valores < 50-60 mg/dL |
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo), y Evaluación de los niveles de glucosa en sangre neonatal desde el nacimiento hasta las 48 horas posteriores al nacimiento.
|
|
control glucémico
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo)
|
El control glucémico se evaluará según las mediciones de glucosa capilar que se realizan 6 veces al día: en ayunas, antes y 1 hora después de las comidas, siguiendo los rangos objetivo de 70 a 95 mg/dL en ayunas; de 70 a 100 mg/dL preprandial; y de 100 a 140 mg/dL postprandial.
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo)
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
ingreso del recién nacido a la unidad de cuidados intensivos
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo), y desde el nacimiento hasta las 48 horas posparto
|
La necesidad de que el recién nacido sea ingresado en una unidad de cuidados intensivos debido a trastornos metabólicos asociados con un control glucémico materno deficiente.
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo), y desde el nacimiento hasta las 48 horas posparto
|
|
aumento de peso materno
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
Aumento de peso materno evaluado durante el período de seguimiento gestacional hasta el parto.
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
|
edad gestacional al parto
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
Edad gestacional en el momento del parto natural o cesárea en semanas
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
|
vía de administración
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
Descripción de si fue un parto natural o una cesárea.
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
|
Presión arterial
Periodo de tiempo: Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
Evalúe si hay hipertensión presente y evalúe los niveles de presión arterial durante el embarazo y hasta el parto.
|
Desde el momento de la aleatorización hasta el parto (hasta las 40 semanas de embarazo).
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Investigador principal: José F Vilela-Martin, MD, PhD, Hospital de Base
- Investigador principal: Vanessa V Goulart, MD, MSc, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Silla de estudio: Ligia C Junqueira, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Silla de estudio: Amanda T Lotierzo, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Silla de estudio: Carolina C Amorim, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Silla de estudio: Maria Amalia BC Cançado, MD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Silla de estudio: Leticia A Mantoani, student, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
- Silla de estudio: Rodrigo F Zancaner, Chamoudr company
- Silla de estudio: Rafael Beolchi, Chamoudr company
- Silla de estudio: Lucas F Queiroz, Chamoudr company
- Silla de estudio: Luciana N Cosenso-Martin, MD, PhD, Hospital de Base, Sao Jose do Rio Preto, Sao Paulo, Brazil
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- HAPO Study Cooperative Research Group; Metzger BE, Lowe LP, Dyer AR, Trimble ER, Chaovarindr U, Coustan DR, Hadden DR, McCance DR, Hod M, McIntyre HD, Oats JJ, Persson B, Rogers MS, Sacks DA. Hyperglycemia and adverse pregnancy outcomes. N Engl J Med. 2008 May 8;358(19):1991-2002. doi: 10.1056/NEJMoa0707943.
- Sweeting A, Wong J, Murphy HR, Ross GP. A Clinical Update on Gestational Diabetes Mellitus. Endocr Rev. 2022 Sep 26;43(5):763-793. doi: 10.1210/endrev/bnac003.
- Grunebaum A, Chervenak J, Pollet SL, Katz A, Chervenak FA. The exciting potential for ChatGPT in obstetrics and gynecology. Am J Obstet Gynecol. 2023 Jun;228(6):696-705. doi: 10.1016/j.ajog.2023.03.009. Epub 2023 Mar 15.
- Ye W, Luo C, Huang J, Li C, Liu Z, Liu F. Gestational diabetes mellitus and adverse pregnancy outcomes: systematic review and meta-analysis. BMJ. 2022 May 25;377:e067946. doi: 10.1136/bmj-2021-067946.
- Dhombres F, Bonnard J, Bailly K, Maurice P, Papageorghiou AT, Jouannic JM. Contributions of Artificial Intelligence Reported in Obstetrics and Gynecology Journals: Systematic Review. J Med Internet Res. 2022 Apr 20;24(4):e35465. doi: 10.2196/35465.
- Akazawa M, Hashimoto K. Artificial intelligence in gynecologic cancers: Current status and future challenges - A systematic review. Artif Intell Med. 2021 Oct;120:102164. doi: 10.1016/j.artmed.2021.102164. Epub 2021 Sep 3.
- Mistry SK, Das Gupta R, Alam S, Kaur K, Shamim AA, Puthussery S. Gestational diabetes mellitus (GDM) and adverse pregnancy outcome in South Asia: A systematic review. Endocrinol Diabetes Metab. 2021 Oct;4(4):e00285. doi: 10.1002/edm2.285. Epub 2021 Jul 3.
- Ugwudike B, Kwok M. Update on gestational diabetes and adverse pregnancy outcomes. Curr Opin Obstet Gynecol. 2023 Oct 1;35(5):453-459. doi: 10.1097/GCO.0000000000000901. Epub 2023 Aug 9.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
1 de junio de 2024
Finalización primaria (Estimado)
20 de diciembre de 2026
Finalización del estudio (Estimado)
20 de diciembre de 2027
Fechas de registro del estudio
Enviado por primera vez
13 de noviembre de 2025
Primero enviado que cumplió con los criterios de control de calidad
6 de enero de 2026
Publicado por primera vez (Actual)
15 de enero de 2026
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
15 de enero de 2026
Última actualización enviada que cumplió con los criterios de control de calidad
6 de enero de 2026
Última verificación
1 de enero de 2025
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
- Enfermedades urogenitales
- Enfermedades del sistema endocrino
- Enfermedades urogenitales femeninas y complicaciones del embarazo
- Enfermedades metabólicas
- Peso corporal
- Complicaciones del embarazo
- Trastornos del metabolismo de la glucosa
- Diabetes mellitus
- Enfermedades Fetales
- Complicaciones de la diabetes
- Embarazo en diabéticos
- Peso de nacimiento
- Enfermedades y anomalías congénitas, hereditarias y neonatales
- Condiciones Patológicas, Signos y Síntomas
- Enfermedades Nutricionales y Metabólicas
- Signos y síntomas
- Diabetes Gestacional
- Macrosomía fetal
- Algoritmos
- Conceptos matemáticos
- Inteligencia artificial
Otros números de identificación del estudio
- 78204024.6.0000.5415.
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
INDECISO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .