La Diabetes Gestacional (DG) es una enfermedad que conlleva una gran carga al sistema de salud, por lo que siguen las investigaciones para determinar la prueba de tamizaje ideal. Desde el punto de vista diagnóstico, múltiples estudios han intentado determinar si la monitorización continua de glucosa puede ser utilizada para mejorar el diagnóstico y manejo en caso de las pacientes con DG.  Sin embargo, la determinación de un control glucémico óptimo se ha definido por los parámetros de monitorización continua de glucosa para mejorar los resultados maternos y neonatales. El estudio GO MOMs (Glycemic observation and metabolic outcomes in mothers and offspring), de diseño multicéntrico, está en desarrollo y podría arrojar algunas repuestas a estas preguntas. 

Con el avance de la inteligencia artificial y máquinas con capacidad de aprendizaje, no es de sorprender que la DG en algún momento pueda ser diagnosticada por máquinas entrenadas para predecir y diagnosticar esta enfermedad. Con más estudios puede ser posible crear una calculadora predictora de DG que podría ayudar de una forma más certera a los clínicos para el diagnóstico y tratamiento oportuno. 

En el estudio publicado por Houri y colaboradores en 2023, se evaluó un algoritmo de red neuronal utilizado para predecir resultados perinatales adversos en embarazos complicados con DG. Se incluyeron datos de 452 participantes y el algoritmo pudo predecir correctamente el resultado perinatal adverso con un 82% de confiabilidad en el caso de mujeres con DG y además pudo predecir con un 91% de confiabilidad el momento de nacimiento. 

Aunque existe un consenso entre las sociedades internacionales sobre la importancia del tamizaje de la DG, aún hay diferencias significativas sobre la edad gestacional, el método y tipo de prueba ideal. El tamizaje temprano aún está en investigación. En cuanto al tamizaje en la semana 24-28, los estudios respaldan la conclusión de que las pruebas de un solo paso, en comparación con las pruebas de dos pasos, dan como resultado un mayor diagnóstico de DG y por tanto mayor número de intervenciones a nivel poblacional, sin mejorar los resultados adversos. 

Fuente:

1. Sarker, M. & Ramos, G. (2024). Routine screening for gestational diabetes: a review. Current Opinion in Obstetrics and Gynecology, 36 (2), 97-103. 
2. Houri O, Gil Y, Krispin E, et al. Predicting adverse perinatal outcomes among gestational diabetes complicated pregnancies using neural network algorithm. J Matern Fetal Neonatal Med 2023; 36:2286928.
3. B Scholtens D. Glycemic observation and metabolic outcomes in mothers and offspring (GO MOMs). Disponible en : https://clinicaltrials.gov/study/NCT04860336.