Grazie all’intelligenza artificiale è adesso possibile sapere con forte anticipo se si è a rischio di diabete. Un gruppo internazionale di ricercatori, con in prima fila quattro italiani formati all’Università di Padova, ha utilizzato a piene mani IA per mettere a punto un nuovo sofisticato modello che utilizza i dati dei monitor glicemici continui (CGM) insieme a informazioni sul microbioma intestinale, la dieta, l’attività fisica e la genetica e rileva così i primi segnali di rischio di diabete non individuabili con i test standard HbA1c.
“Abbiamo dimostrato che due persone con lo stesso valore di HbA1c possono avere profili di rischio sottostanti molto diversi. Analizzando più dati, ovvero quanto tempo 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”, spiega Giorgio Quer, che al pari di Mattia Carletti, Matteo Gadaleta e Riccardo Miotto ha completato il dottorato al dipartimento di Ingegneria dell’Informazione a Padova. Lo studio al quale i quattro italiani hanno partecipato è stato pubblicato sulla rivista “Nature Medicine”.
L’obiettivo finale dello studio è comprendere meglio cosa guida la progressione del diabete e come si possa intervenire precocemente in ambito clinico. Sebbene alcune variazioni nei livelli di zucchero nel sangue siano del tutto normali, soprattutto dopo i pasti, picchi frequenti o accentuati possono indicare che l’organismo fatica a gestire lo zucchero 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, anche prima che test di laboratorio di routine come l’HbA1c rilevino un problema.
Il nuovo pionieristico studio – realizzato tramite mille cavie umane reclutate negli Stati Uniti per un trial clinico completamente remoto – dimostra che monitorare queste dinamiche quotidiane fornisce una visione molto più dettagliata della salute metabolica di una persona e dovrebbe aiutare a identificare i segnali d’allarme più precocemente.
