Leggendo i picchi glicemici, l’algoritmo dell’Intelligenza Artificiale può arrivare a svelare ciò che è invisibile per gli esami standard

L’Intelligenza Artificiale (AI) può rilevare il rischio nascosto di diabete leggendo i picchi glicemici.

Un team di ricercatori dello Scripps Research Translational Institute di La Jolla (Usa), ha evidenziato come i sensori indossabili e l’AI potrebbero trasformare il modo in cui si rileva e gestisce il prediabete.

Diversi autori dello studio provengono dall’Università di Padova: Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati e Giorgio Quer, coautore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research.

La ricerca pubblicata su “Nature Medicine” individua i primi segnali di rischio di diabete che i test standard potrebbe non rilevare.

Dopo un pasto abbondante il livello dello zucchero nel sangue aumenta, una volta raggiunto il picco torna a scendere. Per la maggior parte delle persone, questa curva è fluida, regolare. Per altri invece il calo degli zuccheri è più lento e faticoso, questo evidenzia che il metabolismo è in fase di cambiamento.

Indossando un piccolo sensore e utilizzando un nuovo algoritmo di AI, nei dettagli di questa quotidianità l’intelligenza artificiale può indagare e leggere il futuro del diabete, e arrivare dove il problema è ancora invisibile per gli esami standard.

Infatti per diagnosticare il diabete di tipo 2, o prediabete, i medici si affidano di solito a un valore HbA1c, che misura il livello medio di glucosio nel sangue negli ultimi mesi.

Tuttavia, l’HbA1c, non è in grado di prevedere chi è a maggior rischio di transitare da uno stato di salute sano, o dal prediabete, a un diabete conclamato.

La ricerca utilizzando i dati dei monitor glicemici continui (CGM) oltre a informazioni sul microbioma intestinale, la dieta, l’attività fisica e la genetica, può prevedere i primi segnali di rischio.

“Abbiamo dimostrato che due persone con lo stesso valore HbA1c possono avere profili di rischio sottostanti molto diversi” – chiarisce Giorgio Quer, direttore di Intelligenza artificiale e prefessore associato di Medicina Digitale presso ScreppS Research. “Analizzando più dati, ovvero quanto impiegano i picchi glicemici a rientrare, cosa succede al glucosio durante la notte, qual è l’apporto alimentare e persino cosa accade nell’intestino, possiamo iniziare a distinguere chi è su una traiettoria rapida verso il diabete e chi no” conclude.

I risultati ottenuti dagli scienziati provengono da un programma di ricerca digitale pluriennale, che ha utilizzato i social media per reclutare oltre 1000 persone da tutti gli Stati Uniti in un trial clinico completamente remoto.

I ‘volontari’ erano persone con diagnosi di prediabete o diabete e persone sane.

Hanno indossato per 10 giorni un dispositivo CGM Dexcom G&, registrando pasti, monitorando attività fisica, sonno e battito cardiaco con uno smartwatch, e inviato campioni di sangue, saliva e feci per le analisi.

Il lavoro costituisce un vero e proprio sforzo pioneristico nel campo dei trial clinici remoti.