Introducción: La hipoglucemia nocturna (HN) es una de las complicaciones más temidas en la diabetes tipo 1 (DT1). El miedo a la HN se asocia a mayor riesgo de hipoglucemia grave (HG) y peor calidad del sueño. Los pacientes con múltiples dosis de insulina (MDI) tienen dificultades para predecir y prevenir la HN. Nuestro objetivo fue analizar la viabilidad de un sistema de apoyo a la decisión basado en técnicas de machine learning para predecir la HN en adultos con DT1 y MDI.

Métodos: Se incluyeron pacientes con DT1 ≥ 18 años: > 4 hipoglucemias/semana y/o 1 episodio de HG en < 1 año y/o hipoglucemia desapercibida. Durante 12 semanas usaron ambulatoriamente monitorización flash de glucosa (MFG/FreeStyle Libre) y un monitor de actividad física (MAF/Fitbit Alta HR). La información sobre la duración del sueño fue obtenida del MAF. Las 6 horas previas al inicio del sueño generaron patrones según datos de MFG, insulina rápida, ingesta de carbohidratos, calorías quemadas y número de pasos. La siguiente noche se etiquetó como noche con hipoglucemia si ≥ 1 episodio < 70 mg/dl o noche sin hipoglucemia. Se entrenó una red neuronal artificial para crear modelos predictivos individualizados y se aplicó una validación cruzada K = 5 para evitar sesgo de selección de muestra.

Resultados: Se incluyeron 10 adultos con DT1:8 mujeres, 31,8 ± 16,8 años, HbA1c 7,3 ± 0,5%, 20,0 ± 8,9 años de duración de la DT1. La glucemia media fue 165,7 ± 13,2 mg/dl, coeficiente de variación 45,8 ± 4,7%, %tiempo (mg/dl) 70-180 51 ± 6,2%, < 70 9,7 ± 3,4% y < 54 4,4 ± 2,4%. Hubieron 31,8 ± 16,7 noches con HN. El modelo predictivo para predecir una HN, en 100 repeticiones aleatorias del proceso de validación cruzada de los 10 pacientes mostró una sensibilidad de 69,5% [65,7-77,8]; especificidad de 79,0% [73,0-88,2] y exactitud de 77,5% [71,5-85,4] (media [P25-75]).

Conclusiones: Los resultados indican que nuestro modelo es capaz de predecir la HN en pacientes con DT1 con MDI y alto riesgo. Su aplicación podría permitirles tomar medidas preventivas.