Sawt Falasteen - L'IA rileva il rischio nascosto per il diabete

Un team di ricercatori dello Scripps Research Translational Institute di La Jolla (Usa) composto anche da Alumni dell'Università di Padova, rivela come i sensori indossabili e l'intelligenza artificiale potrebbero trasformare il modo in cui rileviamo e gestiamo il prediabete. Per la diagnosi della malattia, generalmente i medici si affidano a un valore di laboratorio noto come HbA1c, che misura i livelli medi di glucosio nel sangue di una persona negli ultimi mesi. Tuttavia, esso non è in grado di prevedere chi è a maggior rischio di passare da uno stato di salute al prediabete, o dal prediabete al diabete conclamato. Lo studio, pubblicato su 'Nature Medicine', grazie a un nuovo modello che utilizza i dati dei monitor glicemici continui (Cgm) insieme a informazioni sul microbioma intestinale, la dieta, l'attività fisica e la genetica, è in grado di rilevare i primi segnali di rischio di diabete che i test standard potrebbero non individuare. Mattia Carletti, il primo autore, Matteo Gadaleta, responsabile del processamento dei dati, e Giorgio Quer, co-autore senior e corrispondente, hanno portato avanti lo studio presso Scripps Research. Riccardo Miotto lavora presso Tempus Ai, lo sponsor dello studio, e ha gestito la collaborazione. Tutti vengono dall'Università di Padova, dove hanno completato il dottorato presso il dipartimento di Ingegneria dell'Informazione. Sebbene alcune variazioni nei livelli di zucchero nel sangue siano normali, soprattutto dopo i pasti, picchi frequenti o accentuati possono indicare che l'organismo fatica a gestirlo in modo efficace. Nelle persone sane, la glicemia tende ad aumentare e diminuire in modo regolare. Ma in chi è a rischio di diabete questi picchi possono essere più marcati, più frequenti e più lenti a rientrare. Lo studio dimostra che monitorare queste dinamiche quotidiane fornisce una visione molto più dettagliata della salute metabolica di una persona e potrebbe aiutare a identificare i segnali d'allarme più precocemente. Attraverso i social media sono state reclutate oltre 1.000 persone negli Stati Uniti in un trial clinico completamente remoto, sia con diagnosi di prediabete o diabete che individui sani. Per dieci giorni, hanno indossato un dispositivo CGM Dexcom G6, registrato i pasti, monitorando attività fisica, sonno e battito cardiaco con uno smartwatch, e inviato campioni di sangue, saliva e feci per le analisi. I ricercatori avevano anche accesso alle loro cartelle cliniche elettroniche. Utilizzando questi dati, i ricercatori hanno addestrato un modello di intelligenza artificiale per distinguere tra persone con diabete di tipo 2 e individui sani. Uno dei segnali più chiari di rischio di diabete individuati è stato il tempo necessario per il rientro del picco glicemico: nelle persone con diabete di tipo 2 spesso servivano 100 minuti o più, negli individui sani tornava ai valori di base molto più rapidamente. Lo studio ha anche scoperto che un microbioma intestinale più diversificato e un livello di attività fisica più elevato erano associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più alta era legata al diabete. I ricercatori continueranno a seguire i partecipanti per verificare se le previsioni del modello si traducono in una reale progressione clinica della malattia. Hanno anche validato il modello utilizzando un set indipendente di dati provenienti da pazienti in Israele (Weitzman Institute), rafforzandone il potenziale utilizzo clinico su larga scala.

L.AbuAli--SF-PST