IA Predictiva en CGM:
Transformando Datos
Glucémicos en Decisiones
Terapéuticas Proactivas
De dados a decisões:
a evolução do CGM e o
papel da predição na prática clínica
Dr. Stefan Golz
– Diabetologista em Esslingen;
– Membro da Deutsche Diabetes Gesellschaft (DDG);
– Dos comitês
nacionais de diretrizes para Terapia do Diabetes Tipo 1 e Diabetes no Idoso;
– Vice-presidente da ADBW.
Dr. Stefan iniciou a sessão revisitando a evolução do CGM nas últimas duas décadas. A tecnologia substituiu as medições pontuais por um monitoramento dinâmico e contínuo, trazendo reduções consistentes de HbA1c, menor frequência de hipoglicemias e ganhos psicossociais relevantes, como maior confiança, menor medo de hipoglicemia e redução do estresse associado ao diabetes. Ainda assim, persistem barreiras importantes. Muitos pacientes não conseguem transformar os dados disponíveis em ações terapêuticas adequadas. A sobrecarga cognitiva, a fadiga de alarmes, a ansiedade frente às quedas glicêmicas e a dificuldade de interpretação das setas de tendência são fatores que sustentam o chamado “paradoxo da abundância de dados".
Segundo o especialista, o modelo atual ainda é predominantemente reativo. Alarmes são disparados quando o evento já está instalado, exigindo correções muitas vezes excessivas e tardias. O especialista destacou a necessidade de migrar para um modelo preditivo, no qual o CGM não apenas informe valores, mas antecipe riscos. A partir dessa análise crítica, Dr. Stefan trouxe foco ao conceito central da discussão: a transição do monitoramento reativo para o manejo preditivo.
O Accu-Chek SmartGuide representa essa nova geração de CGMs inteligentes. O sistema combina um sensor de alta acurácia (MARD 9,2%) com o módulo SmartGuide Predict, composto por três funcionalidades: (1)
Low Glucose Predict
Night Low Predict
Glucose Predict
Os algoritmos foram validados em mais de 64 mil dias de dados clínicos e de mundo real, demonstrando acurácia superior a 99% na predição de hipoglicemia iminente e precisão acima de 94% em previsões glicêmicas de 120 minutos. (2)
O caso clínico apresentado pelo Dr. Stefan ilustrou a aplicabilidade do sistema. Paciente de 75 anos, com diabetes pancreoprivo pós-pancreatectomia, apresentava HbA1c elevada, medo de hipoglicemia e pouca confiança em sensores anteriores. Em apenas 20 dias de uso do SmartGuide, o Time in Range (TIR) apresentou aumento de 1% para 15%, e o tempo em hiperglicemia grave (TaR 2) apresentou redução de 66% para 13%. Após dois meses, o TIR alcançou 33% e o tempo em hiperglicemia grave reduziu- se para 7%. O paciente relatou melhora substancial na qualidade do sono e diminuição significativa do medo de hipoglicemia.
Para o especialista, essa integração entre acurácia e predição transforma o CGM de uma ferramenta de observação em um instrumento ativo de decisão clínica. “Estamos evoluindo do dado para a decisão”, concluiu.
Primeiras experiências clínicas com pacientes brasileiros
Dr. Márcio Krakauer
– President of the ABC Diabetes Association (ADIABC);
– Coordenador do CIATEM ;
– Comissão de Inteligência Artificial em Endocrinologia e Metabologia da SBEM;
– Coordenador do Departamento de Tecnologia, Saúde Digital e Inovação da Sociedade Brasileira de Diabetes;
– Cofundador do G7Med Educação;
– Médico da Liga de Diabetes da Faculdade de Medicina do ABC.
Dr. Márcio Krakauer apresentou os primeiros resultados da utilização do Accu- Chek SmartGuide em pacientes brasileiros. Para o especialista, o grande diferencial do sistema é permitir uma tomada de decisão compartilhada, em que o paciente age preventivamente com base nas predições, enquanto o médico interpreta tendências e ajusta o tratamento. “A IA não substitui o médico; ela amplia a capacidade de resposta”, afirmou.
Durante a sessão, Dr. Márcio apresentou o seguinte caso: Paciente de 39 anos, diabetes autoimune tardia (GAD positivo), em terapia intensiva com insulina. O aplicativo emitiu alerta de alto risco de hipoglicemia noturna às 22h12, com glicemia ainda em 100 mg/dL. A paciente seguiu a recomendação de manter carboidrato de absorção lenta disponível e passou a noite sem hipoglicemia pela primeira vez.
Os dados demonstraram TIR de 86,5% e redução considerável do tempo em hipoglicemia. A paciente relatou maior confiança nas condutas sugeridas e aprendizado comportamental importante, expressando que a predição a ajudou a entender como agir preventivamente. Dr. Márcio enfatizou que o caso evidencia a dimensão educacional do SmartGuide, que transforma a experiência de uso em aprendizado comportamental, reduzindo o “diabetes distress” e fortalecendo a autogestão do paciente. “Estamos diante de uma ferramenta que ensina, orienta e apoia a tomada de decisão, tanto do paciente quanto do profissional”, concluiu.
Da imprevisibilidade ao controle:
aplicabilidade
da predição em pacientes com DM2
Dr. João Salles - Diretor do Departamento de Medicina do Hospital Central da Santa Casa de São Paulo e Professor Adjunto e Coordenador da Disciplina de Endocrinologia da Faculdade de Ciências Médicas da Santa Casa de São Paulo; Presidente Eleito da Sociedade Brasileira de Diabetes 2026-2027.
Encerrando o simpósio, Dr. João Salles abordou a utilidade do SmartGuide em pacientes com DM2, especialmente aqueles com medo de hipoglicemia ou baixa adesão à insulinoterapia. O caso clínico apresentado foi de um paciente com 65 anos, engenheiro, com diabetes mellitus tipo 2 (DM2) há 26 anos, diagnosticado aos 39, sem obesidade significativa, mas com marcante adiposidade central e histórico de lipotoxicidade e resistência insulínica. O paciente havia alcançado bom controle glicêmico com múltiplas terapias orais e agonista de GLP-1, mas apresentava medo intenso de insulina, exacerbado devido à associação com óbito materno por hipoglicemia.
O paciente foi reintroduzido à insulina combinada ao GLP-1, agora monitorizado pelo SmartGuide Predict. Inicialmente, as quedas glicêmicas noturnas despertaram receio, mas, ao compreender os alertas preditivos, passou a utilizar as orientações do aplicativo para agir de forma preventiva.
O sistema permitiu ajustes mais seguros de alimentação e insulina, reduziu episódios de hipoglicemia, melhorou a variabilidade glicêmica e ampliou o tempo em faixa alvo. Mais do que isso, promoveu mudança comportamental: o paciente passou a reconhecer o impacto dos alimentos em sua glicemia e verbalizou que havia “aprendido a prever o imprevisível”.
Para o especialista, o recurso devolve ao paciente com DM2 um senso de controle frequentemente perdido ao longo do curso da doença. A predição fortalece a autogestão, diminui barreiras emocionais e transforma o paciente em protagonista do próprio cuidado. Finalizou destacando que a tecnologia tem potencial significativo para facilitar o uso seguro de insulina nessa população.
Referências
- Mader JK, Waldenmaier D, Mueller-Hoffmann W, et al. Performance of a Novel Continuous Glucose Monitoring Device in People With Diabetes. Journal of Diabetes Science and Technology. 2024;18(5):1044-1051.
- Herrero P, Andorrà M, Babion N, et al. Enhancing the Capabilities of Continuous Glucose Monitoring With a Predictive App. Journal of Diabetes Science and Technology. 2024;18(5):1014-1026.