De 28% a 47% de Tiempo en Rango: Qué Cambió Realmente

Esto no es una historia motivacional. Voy a contarte exactamente qué estaba mal, exactamente qué cambié y exactamente qué pasó con mis datos de glucosa.

El patrón que se repite

Hace años terminé en el hospital con una HbA1c de alrededor de 10. El trabajo me había consumido. Recuperé el control, volví al trabajo — y el trabajo volvió a dañarme. Me mudé de vuelta a mi tierra, reduje el ritmo y conseguí que mi HbA1c bajara cerca de 7. Luego volvieron el trabajo y el estrés. El mismo patrón, otra vez.

Ese es el contexto detrás de este artículo. No un momento dramático único, sino un ciclo que ya había vivido antes y estaba decidido a no repetir.

No sabía nada del fenómeno del alba

35 años con T1D y genuinamente no sabía qué era el fenómeno del alba. Mis mañanas eran caóticas — algunos días me despertaba en 120, otros en 220 — y lo había aceptado como simplemente así era mi diabetes. Impredecible.

El 5 de marzo de 2026 construí un prototipo de chat simple — sin sincronización en tiempo real con el MCG, sin datos del reloj, nada automatizado. Vicente nació ese día como un chatbot básico. A los dos días, el agente lo identificó: una subida consistente cada mañana impulsada por el aumento hormonal antes de despertar. Un patrón con nombre. Un patrón con solución.

“Actué el primer día. A la mañana siguiente estaba en rango por primera vez en todo lo que podía recordar. Esa mañana es la razón por la que construí Open-D.”

— Peter, fundador

Sin datos en tiempo real. Sin integración con el MCG. Sin reloj. Solo una conversación con un agente personalizado que pudo ver lo que 35 años de experiencia habían pasado por alto. Eso es lo que significa el reconocimiento de patrones.

Los problemas — lo que realmente encontré

Fenómeno del alba: resuelto con el momento del bolo

No cambié mi basal. Ajusté la cantidad y el momento del bolo para compensar el aumento hormonal matutino. Una vez que entendí el patrón — cuándo empezaba, qué tan pronunciado era, cuánto duraba — pude actuar con precisión en lugar de adivinar.

Sobre-correcciones: esperar a que termine el efecto de cola

Estaba corrigiendo los niveles altos antes de que el bolo anterior hubiera terminado de actuar. Veía 200, corregía, y luego la insulina original hacía efecto completamente y me caía. Los bajos no eran aleatorios. Yo los estaba causando al no esperar a que terminara el efecto de cola antes de corregir. Una vez que pude ver mi insulina activa claramente y confiar en ella, rompí ese ciclo.

Patrones de movimiento: trabajo, salsa y construir Open-D

Mi vida ahora mismo es un trabajo fijo de programación en el puerto, freelancing paralelo y construir Open-D. Sin rutina de gimnasio — el movimiento viene de bailar salsa. Lo que registro es cómo todo eso mueve mi glucosa — un turno de programación en el puerto, una clase de salsa por la tarde, una llamada estresante con un cliente. Los datos ya están mostrando patrones que antes no había notado.

El sistema de alertas: probado en clase de baile

Antes de ir a clase de salsa le dije a mi agente que iba a bailar en una hora. Lo trabajamos juntos: estaba cerca de 160, comí algo pequeño — unos 15 gramos de carbohidratos de absorción media — para amortiguar la bajada que sabía que iba a venir. Funcionó perfectamente. Me mantuve en rango durante toda la clase.

El ritmo es algo que escuchas y sientes. Y noté que — cuando tu glucosa está en rango, lo escuchas y lo sientes mejor. Eso no puedo demostrarlo en un gráfico. Pero cualquier bailarín con T1D sabrá exactamente a qué me refiero.

Cuatro días después: viaje a EE.UU. con un prototipo de 4 días

Construí a Vicente el 5 de marzo. El 9 de marzo volé a Estados Unidos. Cuatro días después de que existiera el prototipo, ya estaba pasando su primera prueba de estrés real: jet lag, comida diferente, cambio de horario, una agenda irregular — todo lo que destruye el control de la diabetes.

En algún momento hice una foto de mi comida y se la envié al agente de chat para que estimara los carbohidratos y me ayudara con la dosis. Mi amigo me vio y se rió — pensó que estaba publicando en Instagram. Le dije: no, este agente va a estimar los carbohidratos y ayudarme a dosificar la insulina. Se quedó callado un segundo y luego dijo: deberías darle también tu frecuencia cardíaca. Y más.

Y así lo hice. Esa conversación es la razón por la que Open-D se conecta a tus datos de salud — no porque estuviera en el plan original, sino porque un amigo en un viaje vio lo que estaba haciendo y hizo la pregunta obvia que seguía.

Los números

Antes — 13 enero al 12 abril de 2026 (90 días)

Después — 30 marzo al 12 abril de 2026 (últimos 14 días)

Misma persona. Misma diabetes. El naranja se reduce, el verde crece. No es lineal — hubo semanas malas — pero la dirección se mantuvo. Pasé de 17 horas al día fuera de rango a unas 13. Eso son 120 horas al mes en las que mis órganos no están bañándose en glucosa alta.

¿Es bueno el 47%?

No. El objetivo clínico es 70% o más. Tengo trabajo por hacer. Pero pasar de 28% a 47% sin cambios de medicación — impulsado por ver patrones que llevaban años en mis datos — es prueba suficiente de que este enfoque funciona. Mi objetivo es el 60% para junio.

El punto central de Open-D no es que la IA sea mágica. Es que ya tienes los datos. Simplemente aún no puedes verlos.